聲音這東西實在是太自然了，所以我們很少去思考這東西的本質到底是什麼

簡單的來複習一下聲音是什麼，你可以到維基百科上面看看，寫的是相當清楚 ; 而我是這樣子理解它的，聲音它就是來自於物體的波(振)動，它每秒鐘振動的次數就叫做「頻率」，我們把每秒鐘振動一次稱做１赫茲(１Hz)。

人類的耳朵，可以聽見 20Hz ～ 20000Hz 之間的聲音，所以我們處理資料當然也是這個範圍的。

人的聲音就是從我們的聲道發出來的，人的聲帶透過震動發出聲音之後再經過喉嚨舌頭牙齒等等 (合在一起叫做聲道)，最後發出我們聽到的聲音，又因為每個人的聲道都不一樣，所以你是很難找到兩個人的聲音完全一模一樣的。

看一下聲帶長怎樣吧 ~~~

稍微了解一下之後，我們在 Python 上面稍微看一下之後要面對的資料吧!

import librosa
import numpy as np
import matplotlib.pyplot as plt
signal, sample_rate = librosa.load("test.wav")

上面使用了 librosa 來讀進音檔，實際上你還可以用 scipy.io 或是 soundfile 等其他不同的 library 讀，不同的 library 讀進來的格式不一樣，sample rate 也不一樣，在看別人訓練的 code 時候需留意一下。

如上圖，左邊是 librosa 讀進來的，右邊是 scipy.io 讀進來的，你可以看到 scipy 有些許的藍色，那是因為它是讀雙聲道的，而且值也不一樣，librosa 的有正規化過。

題外話 - Sample Rate 是什麼 ？

因為我們的聲音是類比訊號，像是大自然所聽到的聲音或看到的影像等等這類的都是，它是一個連續值，但電腦並不能夠真的去處理這樣子的訊號，電腦只看得懂 0 跟 1 所以我們必須把它轉成數位訊號，它是不連續的值，並且只用 0 跟 1 表示。

Sample Rate 的意思就是每秒鐘對這個聲音訊號的取樣幾次，標準 CD 音質的 Sample Rate 是 44.1Khz，意思就是在一秒鐘的聲音訊號被取樣了 44100 次。

前面我們提到，聲音它是來自於物體的波(振)動，如果它是一個波，那一定會有一些特徵可以被觀察到，像是三角波跟方波你一眼就可以說出他們的差異了，但看一看上面的圖，其實你很難去說明他們哪裡不一樣，那是因為在時域上我們看到的是信號如何隨著時間變化，但其實很多物理元件的特性是隨著訊號的頻率而改變，像電容在低頻時阻抗會變大，聲音也是一樣要在頻率下才比較能夠觀察到它的特徵。

頻譜圖

想要畫出頻譜圖來觀察聲音，首先我們先看一下頻譜怎麼算的，基本上就只是單純的把信號做傅立葉變換再取 DB 而已

scipy 跟 matplotlib 也有提供 function 讓你使用

你可以看到左邊 scipy 取的是 10 * log10 (因為他沒幫你算 DB)，但其實也有人會取 20 * log10，這個不一定，要看作者怎麼去使用。

梅爾頻率

如果只是使用一般的聲音頻率的話，並不能夠很完美的符合人的聽覺感受，因此在1980年由 S.B. Davis和 Paul Mermelstein 提出了一種叫做梅爾刻度的一種非線性刻度單位，用以表示人耳實際上對音高變化的感受

這是因為人類的聽覺是非線性的，

定義是將 1000Hz，且高於 40 分貝以上的聲音信號，定做 1000 mel。

而在頻率 500Hz 以上時，人耳每感覺到等量的音高變化，所需要的頻率變化隨頻率增加而愈來愈大，如下圖所示。

轉換公式如下：

不一定數字要如同上面的公式一樣，歷史上也有一些人提出不同的參數，像是把 700 改成 1000。

小結

明日我們會專注在介紹更多 Feature，謝謝正在看這篇文章的你。