1. 项目概述从声音到数字的桥梁做语音相关的项目无论是识别、合成还是分类第一步永远绕不开特征提取。你把一段原始音频波形直接扔给模型效果通常不会太好因为波形数据包含了太多冗余信息比如环境噪音、录音设备差异、说话人音色等。我们需要一种方法把声音中那些稳定、能代表其“内容”本质的信息提炼出来转换成计算机更容易理解和处理的数学形式。这就是特征提取的核心任务。在众多语音特征中MFCC梅尔频率倒谱系数可以说是最经典、应用最广的“明星”特征。它模拟了人耳听觉的非线性特性对语音信号中承载语义信息的部分如共振峰有很好的表征能力同时对不重要的细节如高频谐波进行了压制。因此在深度学习兴起之前基于MFCC和高斯混合模型GMM的语音识别系统统治了很长一段时间。即便在今天在资源受限的嵌入式设备、预处理模块或者某些特定任务中手工设计的MFCC特征依然扮演着重要角色。这个项目就是带你用C从头实现一套MFCC特征提取流程。为什么是C因为效率和控制力。Python的librosa库固然方便几行代码就能出结果但它像一个黑盒你很难深入理解每一步变换的细节更难以针对特定场景比如实时流式处理、嵌入式平台进行定制化优化。用C实现意味着你需要亲手处理每一个采样点实现每一次傅里叶变换设计每一个梅尔滤波器。这个过程会让你对信号处理、语音分析有刻骨铭心的理解。完成后你将得到一个轻量、高效、可完全掌控的MFCC提取器可以轻松集成到你的C语音应用中去。2. 核心原理与流程拆解MFCC的提取过程是一系列信号处理步骤的串联每一步都有其明确的物理和数学意义。理解这个流程比单纯调用API重要得多。2.1 整体流程概览一个完整的MFCC提取流程可以概括为以下步骤预加重补偿语音信号高频部分的衰减。分帧将长时间的、非平稳的语音信号切分成短时的、近似平稳的小段。加窗减少每帧信号两端的突变降低频谱泄漏。快速傅里叶变换FFT将时域信号转换到频域得到频谱。梅尔滤波器组在频域上模拟人耳听觉特性进行非线性滤波。取对数将乘性噪声如信道影响转化为加性噪声同时压缩动态范围。离散余弦变换DCT去除各维特征间的相关性得到倒谱系数。动态特征提取计算一阶差分Delta和二阶差分Delta-Delta表征特征的动态变化。最终我们得到的是一个二维矩阵行代表时间帧列代表MFCC系数通常包括能量、静态系数和动态系数。2.2 关键步骤深度解析2.2.1 预加重为什么是“预”加重语音信号特别是元音其频谱能量往往随着频率升高而按每倍频程6dB衰减。预加重就是一个一阶高通滤波器目的是提升高频成分的能量使其与低频成分的能量相当从而平衡频谱便于后续处理。公式非常简单y[n] x[n] - a * x[n-1]其中x是原始信号y是预加重后的信号a是预加重系数通常取0.97。这个操作本质上是在做差分高频部分变化快差分值大因此被增强低频部分变化慢差分值小相对被抑制。实操心得a的值不宜过大否则会过度放大高频噪声。0.95到0.97是一个经验范围。在实现时注意处理数组边界第一帧的y[0]可以直接等于x[0]。2.2.2 分帧与加窗平稳化的艺术语音信号是短时平稳的即在10-30毫秒的时间内其特性如共振频率可以认为是基本不变的。因此我们需要将信号切成重叠的短帧通常帧长为20-30ms如16000Hz采样率下对应256或512个采样点帧移为10ms对应160个采样点。重叠是为了避免帧与帧之间特征突变。分帧后直接做FFT会带来一个问题帧的首尾样本可能不连续导致频谱中出现原本不存在的额外频率成分即“频谱泄漏”。加窗就是为了平滑帧的边界。最常用的是汉明窗Hamming Windoww[n] 0.54 - 0.46 * cos(2πn / (N-1)), 其中 n0,1,...,N-1N为帧长。将每一帧信号乘以这个窗函数帧两端的值被衰减到接近0中间部分基本保留从而使得帧在边界处平滑过渡到零。注意事项加窗虽然减少了泄漏但也损失了帧两端的信息。这就是为什么需要帧重叠来补偿。窗函数的选择汉明、汉宁等对结果有细微影响汉明窗因其良好的主瓣宽度和旁瓣衰减特性成为语音处理的首选。2.2.3 梅尔滤波器组模拟人耳的关键这是MFCC得名的核心步骤。人耳对频率的感知不是线性的在1000Hz以下大致呈线性在1000Hz以上则呈对数关系。梅尔尺度Mel Scale就是描述这种非线性感知关系的心理声学尺度。转换公式为mel(f) 2595 * log10(1 f / 700)我们需要在梅尔尺度上设计一组三角形滤波器。步骤是确定最低频率如0Hz和最高频率如奈奎斯特频率采样率的一半。将这两个频率转换到梅尔尺度。在梅尔尺度上均匀地划分出M个点M为滤波器数量通常取20-40个。将这些梅尔点转换回线性频率尺度Hz。根据这些频率点在FFT频谱的频点索引上构建M个三角形滤波器。每个滤波器在其中心频率处响应为1向两侧线性递减为0。每个三角形滤波器会对FFT得到的幅度谱进行加权求和输出一个能量值。这样M个滤波器就得到了M个维度的滤波器组能量。这个过程完成了从线性频谱到梅尔频谱的映射并大幅降低了数据维度从几百个FFT频点降到几十个梅尔带。实现细节FFT后的频谱是共轭对称的我们只取前N/21个点正频率部分。计算每个三角形滤波器对每个FFT频点的权重时需要根据频点对应的Hz值判断它落在哪个三角形的上升沿、顶点还是下降沿区域进行线性插值计算权重。2.2.4 取对数与DCT压缩与解相关对M个滤波器组的能量值取自然对数。这一步有两个作用一是人耳对声音强度的感知也是近似对数的二是可以将乘性的信道效应比如电话线的频率响应转化为加性的便于后续处理。对数能量可以看作是一个“梅尔频谱”。对这个频谱做离散余弦变换DCT就得到了“梅尔频率倒谱系数”。DCT的作用类似于主成分分析PCA它能够将高度相关的滤波器组能量系数转换为一组彼此相关性更低的倒谱系数。我们通常只保留前12-13个DCT系数即MFCC静态系数因为前几个系数包含了频谱包络的主要信息对应音素内容而高阶系数更多包含的是频谱细节对应音色、噪声等对识别帮助不大且易受干扰。第0个DCT系数代表的是对数能量的总和通常被替换为每一帧的对数能量本身作为第0维特征。3. C实现核心模块详解理论清晰后我们开始动手实现。我们将构建几个核心类/模块。3.1 音频读取与预处理模块首先需要读取音频文件。为了简单和跨平台我们可以使用libsndfile库。这里假设你已经配置好开发环境。// AudioLoader.h #pragma once #include vector #include string class AudioLoader { public: bool load(const std::string filepath); const std::vectorfloat getSamples() const { return samples_; } int getSampleRate() const { return sampleRate_; } int getChannels() const { return channels_; } private: std::vectorfloat samples_; int sampleRate_ 0; int channels_ 0; }; // AudioLoader.cpp (部分关键代码) #include AudioLoader.h #include sndfile.h #include iostream bool AudioLoader::load(const std::string filepath) { SF_INFO sfInfo; SNDFILE* file sf_open(filepath.c_str(), SFM_READ, sfInfo); if (!file) { std::cerr Error opening audio file: sf_strerror(nullptr) std::endl; return false; } sampleRate_ sfInfo.samplerate; channels_ sfInfo.channels; samples_.resize(sfInfo.frames * channels_); sf_read_float(file, samples_.data(), samples_.size()); sf_close(file); // 如果是立体声简单转换为单声道取平均值 if (channels_ 1) { std::vectorfloat mono(samples_.size() / channels_); for (size_t i 0; i mono.size(); i) { float sum 0.0f; for (int c 0; c channels_; c) { sum samples_[i * channels_ c]; } mono[i] sum / channels_; } samples_.swap(mono); channels_ 1; } return true; }预处理中的预加重可以直接实现std::vectorfloat preEmphasis(const std::vectorfloat signal, float alpha 0.97f) { std::vectorfloat result(signal.size()); if (signal.empty()) return result; result[0] signal[0]; // 第一个样本保持不变 for (size_t i 1; i signal.size(); i) { result[i] signal[i] - alpha * signal[i - 1]; } return result; }3.2 分帧、加窗与FFT模块我们将分帧、加窗和FFT准备封装到一个类中。// FrameProcessor.h #pragma once #include vector #include complex class FrameProcessor { public: FrameProcessor(int sampleRate, float frameLengthMs 25.0f, float frameShiftMs 10.0f); void process(const std::vectorfloat signal); const std::vectorstd::vectorfloat getFrames() const { return frames_; } const std::vectorstd::vectorstd::complexfloat getSpectrums() const { return spectrums_; } private: int sampleRate_; int frameLength_; int frameShift_; std::vectorfloat window_; std::vectorstd::vectorfloat frames_; // 时域帧 std::vectorstd::vectorstd::complexfloat spectrums_; // 频域频谱 void createHammingWindow(); std::vectorstd::complexfloat computeFFT(const std::vectorfloat frame); }; // FrameProcessor.cpp #include FrameProcessor.h #include cmath #include algorithm // 需要链接FFT库如FFTW或pocketfft FrameProcessor::FrameProcessor(int sampleRate, float frameLengthMs, float frameShiftMs) : sampleRate_(sampleRate) { frameLength_ static_castint(sampleRate * frameLengthMs / 1000); frameShift_ static_castint(sampleRate * frameShiftMs / 1000); createHammingWindow(); } void FrameProcessor::createHammingWindow() { window_.resize(frameLength_); for (int i 0; i frameLength_; i) { window_[i] 0.54f - 0.46f * std::cos(2.0f * M_PI * i / (frameLength_ - 1)); } } void FrameProcessor::process(const std::vectorfloat signal) { frames_.clear(); spectrums_.clear(); int numSamples signal.size(); // 计算总帧数 int numFrames 1 (numSamples - frameLength_) / frameShift_; for (int i 0; i numFrames; i) { int start i * frameShift_; // 提取一帧 std::vectorfloat frame(window_.begin(), window_.end()); // 先复制窗 for (int j 0; j frameLength_; j) { int idx start j; if (idx numSamples) { frame[j] * signal[idx]; // 加窗 } else { frame[j] 0.0f; // 末尾补零 } } frames_.push_back(frame); // 计算该帧的FFT spectrums_.push_back(computeFFT(frame)); } } // 这里使用一个简单的FFT实现占位实际项目中应使用优化库 std::vectorstd::complexfloat FrameProcessor::computeFFT(const std::vectorfloat frame) { int n frame.size(); // 注意此处应调用FFT库如FFTW的fftw_plan_dft_r2c_1d // 以下为示意性代码 std::vectorstd::complexfloat spectrum(n / 2 1); // ... 实现或调用FFT ... // 假设spectrum已经包含了FFT结果的前N/21个点幅度和相位 return spectrum; }重要提示FFT的实现是性能关键。强烈建议使用成熟的库如FFTWGPL许可或pocketfft。自己写一个正确的、高效的FFT并不容易。在项目中你只需要正确配置和调用这些库的API即可。3.3 梅尔滤波器组与MFCC计算模块这是最核心的部分。// MelFilterBank.h #pragma once #include vector class MelFilterBank { public: MelFilterBank(int sampleRate, int fftSize, int numFilters 20, float lowFreq 0.0f, float highFreq -1.0f); std::vectorfloat apply(const std::vectorfloat powerSpectrum) const; const std::vectorstd::vectorfloat getFilterWeights() const { return filterWeights_; } private: int sampleRate_; int fftSize_; int numFilters_; float lowFreq_; float highFreq_; std::vectorstd::vectorfloat filterWeights_; // 每个滤波器的权重向量 void createFilters(); static float hzToMel(float hz); static float melToHz(float mel); }; // MelFilterBank.cpp #include MelFilterBank.h #include cmath #include algorithm #include iostream MelFilterBank::MelFilterBank(int sampleRate, int fftSize, int numFilters, float lowFreq, float highFreq) : sampleRate_(sampleRate), fftSize_(fftSize), numFilters_(numFilters), lowFreq_(lowFreq) { if (highFreq 0) highFreq_ sampleRate_ / 2.0f; else highFreq_ highFreq; createFilters(); } float MelFilterBank::hzToMel(float hz) { return 2595.0f * std::log10(1.0f hz / 700.0f); } float MelFilterBank::melToHz(float mel) { return 700.0f * (std::pow(10.0f, mel / 2595.0f) - 1.0f); } void MelFilterBank::createFilters() { float lowMel hzToMel(lowFreq_); float highMel hzToMel(highFreq_); // 在梅尔尺度上均匀划分 std::vectorfloat melPoints(numFilters_ 2); for (int i 0; i numFilters_ 2; i) { melPoints[i] lowMel i * (highMel - lowMel) / (numFilters_ 1); } // 转换回Hz尺度并找到对应的FFT频点索引 std::vectorfloat hzPoints(numFilters_ 2); std::vectorint binIndices(numFilters_ 2); for (int i 0; i numFilters_ 2; i) { hzPoints[i] melToHz(melPoints[i]); binIndices[i] static_castint(std::floor((fftSize_ 1) * hzPoints[i] / sampleRate_)); // 确保索引在有效范围内 binIndices[i] std::max(0, std::min(fftSize_ / 2, binIndices[i])); } filterWeights_.resize(numFilters_, std::vectorfloat(fftSize_ / 2 1, 0.0f)); // 构建三角形滤波器权重 for (int m 1; m numFilters_; m) { int left binIndices[m - 1]; int center binIndices[m]; int right binIndices[m 1]; // 上升沿 for (int k left; k center; k) { if (center ! left) { filterWeights_[m - 1][k] static_castfloat(k - left) / (center - left); } } // 顶点 filterWeights_[m - 1][center] 1.0f; // 下降沿 for (int k center 1; k right; k) { if (right ! center) { filterWeights_[m - 1][k] static_castfloat(right - k) / (right - center); } } } } std::vectorfloat MelFilterBank::apply(const std::vectorfloat powerSpectrum) const { // powerSpectrum 是FFT幅度谱的平方长度为 fftSize_/2 1 std::vectorfloat filterEnergies(numFilters_, 0.0f); for (int m 0; m numFilters_; m) { float energy 0.0f; for (size_t k 0; k powerSpectrum.size(); k) { energy filterWeights_[m][k] * powerSpectrum[k]; } // 防止log(0)加一个很小的数 filterEnergies[m] std::log(energy 1e-10); } return filterEnergies; }最后组合所有模块并计算DCT得到MFCC。// MFCCExtractor.h #pragma once #include vector #include FrameProcessor.h #include MelFilterBank.h class MFCCExtractor { public: MFCCExtractor(int sampleRate, int numCoeffs 13, int numFilters 20); std::vectorstd::vectorfloat extract(const std::vectorfloat audioSignal); private: int sampleRate_; int numCoeffs_; int numFilters_; int fftSize_; FrameProcessor frameProcessor_; MelFilterBank melFilterBank_; std::vectorfloat dctCoeffs_; // 预计算的DCT系数矩阵的一行 void computeDCTCoeffs(); std::vectorfloat applyDCT(const std::vectorfloat logFilterEnergies); }; // MFCCExtractor.cpp #include MFCCExtractor.h #include cmath MFCCExtractor::MFCCExtractor(int sampleRate, int numCoeffs, int numFilters) : sampleRate_(sampleRate), numCoeffs_(numCoeffs), numFilters_(numFilters), frameProcessor_(sampleRate, 25.0f, 10.0f), // 默认25ms帧长10ms帧移 melFilterBank_(sampleRate, frameProcessor_.getFrameLength(), numFilters) { fftSize_ frameProcessor_.getFrameLength(); // 假设帧长等于FFT点数 computeDCTCoeffs(); } void MFCCExtractor::computeDCTCoeffs() { // 预计算DCT-II的系数用于加速 // DCT公式: C_i sum_{j0}^{M-1} (logE_j * cos( pi * i * (j0.5) / M ) ) // 其中 i 从 0 到 L-1 (L为要保留的系数个数即numCoeffs_) dctCoeffs_.resize(numCoeffs_ * numFilters_); float scale std::sqrt(2.0f / numFilters_); for (int i 0; i numCoeffs_; i) { for (int j 0; j numFilters_; j) { float angle M_PI * i * (j 0.5f) / numFilters_; dctCoeffs_[i * numFilters_ j] scale * std::cos(angle); } } // 对于i0有一个额外的缩放因子 1/sqrt(2)合并到系数中 float scale0 std::sqrt(1.0f / numFilters_); for (int j 0; j numFilters_; j) { dctCoeffs_[0 * numFilters_ j] scale0; // 替换原来的值 } } std::vectorfloat MFCCExtractor::applyDCT(const std::vectorfloat logFilterEnergies) { std::vectorfloat mfcc(numCoeffs_, 0.0f); for (int i 0; i numCoeffs_; i) { float sum 0.0f; for (int j 0; j numFilters_; j) { sum logFilterEnergies[j] * dctCoeffs_[i * numFilters_ j]; } mfcc[i] sum; } return mfcc; } std::vectorstd::vectorfloat MFCCExtractor::extract(const std::vectorfloat audioSignal) { // 1. 预加重 auto preEmphasized preEmphasis(audioSignal); // 2. 分帧、加窗、FFT frameProcessor_.process(preEmphasized); const auto spectrums frameProcessor_.getSpectrums(); std::vectorstd::vectorfloat mfccFeatures; // 对每一帧进行处理 for (const auto spectrum : spectrums) { // 3. 计算功率谱 std::vectorfloat powerSpectrum(spectrum.size()); for (size_t k 0; k spectrum.size(); k) { float real spectrum[k].real(); float imag spectrum[k].imag(); powerSpectrum[k] real * real imag * imag; } // 4. 应用梅尔滤波器组并取对数 auto logMelEnergies melFilterBank_.apply(powerSpectrum); // 5. DCT得到静态MFCC系数 auto mfccStatic applyDCT(logMelEnergies); // 6. (可选) 用对数能量替换第0个系数 // 计算该帧的对数能量 float frameEnergy 0.0f; const auto frame frameProcessor_.getFrames()[spectrum - spectrums[0]]; for (float sample : frame) { frameEnergy sample * sample; } mfccStatic[0] std::log(frameEnergy 1e-10); mfccFeatures.push_back(mfccStatic); } // 7. (可选) 计算动态特征差分系数 // 可以在外部函数中实现 return mfccFeatures; }4. 应用实践与性能优化有了MFCC提取器我们就可以在真实的语音处理任务中应用它了。4.1 在简单语音识别任务中的应用假设我们要做一个简单的孤立词识别系统比如识别“开灯”、“关灯”等命令。流程如下训练阶段收集每个词的若干条录音提取MFCC特征。对每个词的所有特征帧计算一个高斯混合模型GMM来建模其特征分布。将{词条: GMM模型}保存起来。识别阶段对新的语音提取MFCC特征。将该特征序列输入每个词的GMM模型计算对数似然概率。选择概率最高的词条作为识别结果。虽然GMM在复杂场景下已被神经网络取代但这个流程清晰地展示了MFCC特征如何作为下游模型的输入。在现代系统中MFCC特征可以直接作为一维卷积神经网络1D-CNN或循环神经网络RNN的输入或者作为更高级特征如FBank的基础。4.2 实时语音处理与流式实现上述实现是针对完整音频文件的。对于实时应用如语音活动检测VAD、实时识别我们需要支持流式处理。流式处理的关键修改在于FrameProcessor维护一个音频样本缓冲区。每当有新的音频数据块到达例如来自麦克风的160个样本就将其追加到缓冲区。检查缓冲区长度是否达到或超过一帧的长度。如果是则取出最前面的一帧进行处理然后根据帧移大小决定从缓冲区头部丢弃多少样本例如帧长400帧移160则处理一帧后丢弃160个样本。循环此过程。这要求MFCCExtractor::extract函数能够接受单帧数据而不是整个音频向量。你需要重构接口将分帧的逻辑从extract中分离出来。4.3 性能优化技巧用C实现的一大优势就是可以榨取性能。以下是一些优化方向FFT库选择使用高度优化的FFT库如FFTW支持SIMD指令或苹果的Accelerate框架中的vDSP。对于固定长度的FFT可以预先创建并缓存fftw_plan避免重复规划开销。内存与计算避免动态内存分配在实时循环中频繁的new/delete或std::vector的resize是性能杀手。可以预先分配好所有需要的缓冲区如帧缓冲区、频谱缓冲区、MFCC特征缓冲区在循环中复用。矩阵运算向量化梅尔滤波器组的应用和DCT都是矩阵-向量乘法。如果滤波器数量M和系数数量L固定可以将其视为一个L x M的固定矩阵D。那么MFCC D * log(E)。使用Eigen等线性代数库或者手动编写SIMD指令如SSE, AVX来加速这个运算。查表法对于log()、cos()等超越函数如果对精度要求不是极高可以考虑使用查找表LUT进行近似能大幅提升速度。定点数运算在嵌入式等资源极度受限的平台浮点运算可能很慢。可以考虑使用定点数Fixed-point算术来实现整个MFCC流程这需要对数据范围和精度有仔细的设计。5. 常见问题与调试技巧自己实现算法调试是必不可少的环节。以下是一些常见坑点和排查方法。5.1 特征值异常NaN或Inf原因1对数运算的输入为0或负数。在计算对数梅尔能量时某个滤波器的加权能量和可能为0。log(0)是负无穷。解决在取对数前给能量值加一个非常小的正数如1e-10即log(energy 1e-10)。原因2FFT输入包含NaN。检查音频加载和预处理阶段确保输入信号中没有异常值。原因3内存越界。在访问滤波器权重或频谱数组时索引可能超出范围。仔细检查所有循环的边界条件。5.2 提取的特征与标准库如librosa结果对不上这是最可能遇到的问题。按以下步骤排查参数对齐确保所有参数完全一致。包括采样率、帧长毫秒和点数、帧移、预加重系数、窗函数、FFT点数是否做了零填充、梅尔滤波器个数、最低/最高频率、DCT系数个数、是否使用能量项等。librosa的默认参数可能和你的实现不同。数据精度对比中间结果。将你的实现每一步的输出预加重后信号、加窗后的一帧数据、FFT后的前几个幅度值、梅尔滤波器权重、滤波器组能量、对数能量、DCT系数都打印出来与librosa在相同输入下的中间结果逐项对比。差异往往出现在某一步。常见差异点FFT归一化不同的FFT库对正向/反向变换的归一化因子处理不同。确保你理解所用FFT库的约定。通常我们只关心幅度谱只要前后一致即可但对比时需要保持一致。梅尔频率公式存在多种近似公式如mel 2595 * log10(1 f/700)或mel 1127 * ln(1 f/700)。确保你使用的公式与对比对象一致。DCT类型DCT有I、II、III、IV等多种类型MFCC通常使用DCT-II。但不同库在实现DCT-II时缩放因子可能不同如sqrt(2/N)因子是放在内部还是外部。仔细核对系数计算公式。滤波器组归一化有些实现会对每个三角形滤波器的面积进行归一化使得每个滤波器对白噪声的响应一致。我们的实现没有做这个而librosa默认是做的。这会导致滤波器权重不同。5.3 实时处理中的延迟与抖动延迟主要来自帧长。如果你使用25ms的帧长那么理论最小延迟就是25ms等待一帧数据。实际延迟还包括处理时间。可以通过减少帧长来降低延迟但会牺牲频率分辨率。抖动处理每帧的时间不稳定。使用性能分析工具如perf、VTune找到热点函数进行优化。确保没有在实时线程中进行内存分配、文件IO等阻塞操作。5.4 可视化最重要的调试工具人眼是强大的调试器。将你的MFCC特征以热力图Spectrogram的形式画出来与librosa生成的MFCC图进行对比。// 伪代码使用matplotlib-cpp或保存数据后用Python绘图 std::vectorstd::vectorfloat mfcc extractor.extract(audio); // 将mfcc数据转置并保存为文本文件 // 在Python中plt.imshow(mfcc_data.T, aspectauto, originlower)观察两幅图在颜色分布、纹理走向上是否一致。如果整体形状相似但数值有整体偏移可能是缩放因子问题如果局部结构对不上可能是某一步计算有误。最后实现一个完整的MFCC提取器是深入理解语音信号处理的最佳实践。它强迫你关注从模拟信号到数字特征的每一个细节。虽然现在有大量现成的工具包但亲手实现一遍所获得的对参数影响的直觉比如改变滤波器数量如何影响特征、预加重对清音辅音的影响等是单纯调用API无法比拟的。这个C实现的核心代码经过优化后完全可以作为一个可靠、高效的组件嵌入到你的下一个语音识别、说话人验证或音频分类的项目中去。