把「谁在发声」和「发的什么音」分开：MFCC 是什么

完整代码在第 19 课脚本，运行环境沿用课程总纲里的一次性配置。

一串倒过来的词

这一课有四个新名字。先不用记，扫一眼就往下走——每一个后面都会在它真正被用到的地方重新讲一遍。摆在这里是因为它们有个共同点：都是把原词的前半截倒过来拼的。

spectrum（「频谱」）→ cepstrum（「倒谱」）：对数谱再变换一次得到的东西。

frequency（「频率」）→ quefrency（倒频率）：倒谱的横轴。

filtering（滤波）→ liftering（提升）：在倒谱上做的「滤波」。

harmonic（「谐波」）→ rhamonic（倒谐波）：倒谱上的峰。

这不是文字游戏。它在提示一件具体的事：这些量都是在频谱「上面」再做一次变换得到的，所以横轴不再是频率，滤波也不再是滤波。名字倒过来，是为了让你别把两层搞混。

赫兹（Hz）是频率的单位；倒频率的单位不是赫兹，而是秒。这一点后面会立刻派上用场。

这套做法 1960 年代出自地震研究——当时要在地震波里找回声；1970 年代成了语音识别的首选特征；2000 年代进入音乐处理。