İçeriğe geç
parazade
Yapay Zeka

MFCC Nedir?

İngilizce: Mel-Frequency Cepstral Coefficients

Yayın: · Son güncelleme:

MFCC Nedir? Kısaca

MFCC (Mel Frekans Kepstral Katsayıları), bir ses sinyalinin kısa zaman dilimlerindeki spektral şeklini, insan kulağının algısına uygun mel ölçeğinde özetleyen ve ses işlemede özellik olarak kullanılan sayı kümesidir.

MFCC nedir?
İçindekiler
  1. MFCC nedir?
  2. Nasıl hesaplanır?
  3. Nerelerde kullanılır?

MFCC, İngilizce "Mel-Frequency Cepstral Coefficients" ifadesinin kısaltmasıdır ve Türkçede mel frekans kepstral katsayıları olarak geçer. Bir ses parçasını, makine öğrenmesi modellerinin kolayca kullanabileceği küçük bir sayı dizisiyle özetlemenin klasik yoludur.

MFCC nedir?

Ham ses saniyede binlerce örnekten oluşur ve doğrudan modele vermek verimsizdir. MFCC, her kısa zaman dilimi için (genellikle 20-40 milisaniye) sesin "tını şeklini" anlatan birkaç düzine katsayı üretir. Bu katsayılar, konuşmada hangi sesin çıkarıldığını ayırt etmeye yarayan bilgiyi büyük ölçüde korur. Böylece MFCC, ses için bir tür özellik çıkarımı yöntemi olur.

Nasıl hesaplanır?

  1. Ses kısa, birbiriyle örtüşen çerçevelere bölünür.
  2. Her çerçeveye Fourier dönüşümü uygulanarak frekans içeriği bulunur.
  3. Frekanslar, insan kulağına benzer şekilde düşük frekanslarda daha hassas olan mel ölçeğinde filtrelerden geçirilir.
  4. Enerjilerin logaritması alınır.
  5. Ayrık kosinüs dönüşümü uygulanır; ilk birkaç katsayı MFCC olarak saklanır.

"Kepstral" kelimesi, spektrumun spektrumu anlamına gelen "cepstrum" kavramından gelir.

Nerelerde kullanılır?

MFCC, uzun yıllar boyunca konuşma tanıma ve konuşmacı tanıma sistemlerinin standart girdisi oldu. Bugün derin öğrenme modelleri çoğunlukla doğrudan mel spektrogram ya da ham sesle çalışsa da MFCC; ses biyometrisi, müzik türü sınıflandırma, ortam sesi tanıma ve kaynakları sınırlı cihazlardaki küçük modeller için hâlâ yaygın ve pratik bir seçenektir. Gürültüye karşı hassas olabildiği için genellikle normalizasyon gibi ek işlemlerle birlikte kullanılır.

Sıkça Sorulan Sorular

MFCC ile mel spektrogram arasındaki fark nedir?

Mel spektrogram, mel ölçeğindeki enerji değerlerini doğrudan gösterir. MFCC ise bu değerlerin logaritmasına ayrık kosinüs dönüşümü uygulayarak daha sıkıştırılmış ve birbirinden bağımsız katsayılar elde eder.

Kaç tane MFCC katsayısı kullanılır?

Uygulamaya göre değişmekle birlikte konuşma işlemede genellikle 12-13 katsayı kullanılır. Bunlara çoğu zaman zaman içindeki değişimi gösteren türev katsayıları da eklenir.

İlgili terimler

Spektrogram(Spectrogram)Spektrogram, bir sesin frekans içeriğinin zamanla nasıl değiştiğini gösteren görsel temsildir; yatay eksen zamanı, dikey eksen frekansı, renk ya da parlaklık da o andaki frekansın şiddetini gösterir.Konuşma Tanıma(Speech Recognition)Konuşma tanıma, insan konuşmasını içeren ses kaydını yapay zekâ ile analiz ederek yazılı metne dönüştüren teknolojidir; sesli asistanların ve otomatik altyazının temelidir.Özellik Çıkarımı(Feature Extraction)Özellik çıkarımı (feature extraction), görüntü, ses, metin ya da çok sayıda değişken içeren ham veriyi, temel bilgiyi koruyan daha az sayıda ve daha anlamlı yeni özelliğe dönüştürerek makine öğrenmesi modellerinin işini kolaylaştırma sürecidir.Ses Biyometrisi(Voice Biometrics)Ses biyometrisi, bir kişinin kimliğini, ses yolu yapısı ve konuşma tarzı gibi sesine özgü özelliklerden çıkarılan dijital bir ses izi ile tanıyan ya da doğrulayan biyometrik yöntemdir.Makine Öğrenmesi(Machine Learning)Makine öğrenmesi, bilgisayarların açıkça programlanmadan, örnek verilerdeki kalıpları öğrenerek tahmin veya karar üretmesini sağlayan yapay zekâ dalıdır.Derin Öğrenme(Deep Learning)Derin öğrenme, çok sayıda katmandan oluşan yapay sinir ağlarıyla veriden karmaşık kalıpları otomatik olarak öğrenen bir makine öğrenmesi yaklaşımıdır.