准备工作

首先需要在pycharm中安装好python_speech_features和librosa两个包。
建议先安装anaconda，然后在anaconda中创建一个虚拟环境，用于安装Pycharm的所有需要的包，然后再在pycharm中导入在anaconda中创建的虚拟环境即可。（同时使用conda命令安装pycharm包比使用pip命令安装成功率更高）。这样可以在任意一台电脑上在pycharm中导入这个虚拟环境都可以随时调用之前安装的包，而不用再去安装pycharm中繁琐的包了。

python_speech_features安装方法

librosa安装方法

使用python_speech_features提取音频文件特征

2 使用librosa包进行mfcc

librosa使用方法：

import librosa
y, sr = librosa.load('i1.wav',sr=None)
mfccs = librosa.feature.mfcc(y=y, sr=sr,n_mfcc=24) #n_mfcc为返回的mfcc数据维度

其中

librosa.feature.mfcc(y=None, sr=22050, S=None, n_mfcc=20, dct_type=2, norm='ortho', **kwargs)
参数：
#y:np.ndarray [shape=(n,)] 或 None 
#音频时间序列

#sr:number > 0 [scalar] 
#y的采样率

#S:np.ndarray [shape=(d, t)] or None 
#对数功能梅尔谱图

#n_mfcc: int > 0 [scalar] 
#要返回的MFCC数量

#dct_type:None, or {1, 2, 3} 
#离散余弦变换（DCT）类型。默认情况下，使用DCT类型2。

#norm:None or ‘ortho’ 
#规范。如果dct_type为2或3，则设置norm =’ortho’使用正交DCT基础。 
#标准化不支持dct_type = 1。

#kwargs:额外的关键参数 
#参数melspectrogram，如果按时间序列输入操作

#返回： M:np.ndarray [shape=(n_mfcc, t)] 
#MFCC序列

常用参数，调用方法

mfcc_features = librosa.feature.mfcc(wavedata, sr=framerate, n_fft=1024, hop_length=512, n_mfcc=13)
#其中wavedata为语音数据
#framerate为采样率
#hop_length为帧移
#n_mfcc为返回的mfcc数据维数，默认为20维