最終更新日:2026年9月24日
gk speech signal_processing
まず結論
MFCCは、音声のスペクトル包絡に関する特徴を、人の聴覚特性を考慮してコンパクトに表す代表的な音響特徴量です。
ただし、音色はMFCCだけで完全に決まるわけではありません。
直感的な説明
同じ高さ・大きさの音でも、ピアノとギターでは聞こえ方が違います。
その違いには、倍音構成、スペクトル包絡、立ち上がり・減衰などの時間変化が関係します。
MFCCは、そのうち特にスペクトル包絡側の情報を要約するのが得意です。
定義・仕組み
MFCCの代表的な流れは、
- フレーム分割
- 周波数分析
- メルフィルタバンク
- 対数
- DCT
です。
- FFT/STFT → 周波数情報
- メル尺度 → 聴覚特性を反映する尺度
- MFCC → 係数表現
と分けます。
いつ使う?(得意・不得意)
MFCCは音声認識・話者認識・音響分類などで利用されてきました。
一方、メルスペクトログラムや生波形を直接使う深層学習モデルもあります。
G検定ひっかけポイント
- 音色はスペクトル包絡だけで完全には決まらない
- MFCCは音の高さそのものを直接表す特徴ではない
- FFTはMFCCそのものではなく途中処理
まとめ(試験直前用)
- MFCC=代表的音響特徴
- メル尺度を利用
- スペクトル包絡の特徴を要約
- 音色には時間変化も関係する
- 生波形・メルスペクトログラムも使われる