我使用Kaldi的"egs/tidigits"代码，使用23个频段、20kHz采样率、25毫秒窗口和10毫秒移位，生成了一个"seven"发音的频谱图。通过MATLAB的imagesc函数可视化，频谱图如下所示:
我正在尝试使用Librosa作为Kaldi的替代品。我使用与上述相同数量的频段、采样率、窗口长度和移位设置了我的代码。
time_series, sample_rate = librosa.core.load("7a.wav",sr=20000)
spectrogram = librosa.feature.melspectrogram(time_series, sr=20000, n_mels=23, n_fft=500, hop_length=200)
log_S = librosa.core.logamplitude(spectrogram)
np.savetxt("7a.txt", log_S.T)
然而，当我将相同的WAV文件进行Librosa频谱图可视化时，它看起来不同：
请问有人能帮我理解为什么它们看起来如此不同吗？通过其他我尝试过的WAV文件，我注意到在上面的脚本中，我的摩擦音（例如“seven”中的/s/）被截断，这极大地影响了我的数字分类准确性。谢谢！