我目前正在为语音识别模型pytorch工作。
当我使用torchaudio.transforms.MFCC(sample_rate=16000, n_mfcc=40)进行数据预处理时，会出现n_mels(128)设置过高或n_freqs(201)设置过低的警告。当然，这只是一个警告，但我有点担心。此外，当我使用torchaudio.transforms.MFCC(sample_rate=8000, n_mfcc=40)时，它工作得很好，没有任何警告。
(1)在较高的采样率下，可能是什么原因导致这个警告?
(2)这个警告到底告诉了我什么?这会影响我的模型性能吗?
我是stackoverflow和pytorch编码的新手，如果我在问题上犯了任何错误，我很抱歉。
您的音频具有一定的频率内容。高频内容可能受到采样率的限制，但也可能存在低通/高切割效果，使限制更低。
当您将音频从8k上采样到16k时，采样可能代表更高的频率内容-但过程不会创建任何此类内容-因此频谱的顶部将为空。
torchaudio的默认值是使用samplerate/2作为最大滤波器组频率。所以当你增加采样时滤波器组的最高频率上升，但是在那些箱子里没有数据。这会触发你看到的警告。
要去掉警告，可以:
- 减少采样，使采样/2对你的音频内容是合理的
- 将fmax设置为音频中最高频率的内容。
空的过滤器组行可能会影响模型性能。0能量会扭曲标准化。这是否值得注意取决于许多因素，如模型、训练过程、问题的难度、所需的性能等。但最安全的方法不是避免它。