VGGish
通過閱讀幫助文檔，知道可以VGGish是產生128維音頻數據集的工具，原文的描述是這樣的： VGGish， as well as supporting code to extract input features for the model from audio wavaforms and post-process the model enmbedding output int the same fomat.\
輸入：音頻特征
1.所有的音頻都被重采樣為16KHz的單聲道形式。
2.使用 25ms 的幀長、10ms 的幀移，以及周期性的 Hann 窗口對語音進行分幀，對每一幀做短時傅里葉變換，然后利用信號幅值計算聲譜圖。
3.通過將聲譜映射到 64 階 mel 濾波器組(covering the range 125-7500 Hz.)中計算 mel 聲譜.
4.計算 log(mel-spectrum + 0.01)，得到穩定的 mel 聲譜，所加的 0.01 的偏置是為了避免對 0 取對數。
5.然后這些特征被以 0.96s 的時長被組幀，並且沒有幀的重疊，每一幀都包含 64 個 mel 頻帶，時長 10ms（即總共 96 幀）。
測試安裝的VGGish是否成功
vgg_smoke_test.py 程序的checkpoint_path和pac_params_path需要根據你的放置的位置進行修改。在Anaconda Prompt直接執行
E://Audio_project//VGGish//vggish_smoke_test.py
運行該測試程序
測試完成！可以發現VGGish embedding:的結果和Postprocessed VGGish embedding:的結果都是128維的。
通過這一部分測試代碼可以知道：
1.測試的音頻是1K的正弦波，然后進行44.1Khz的采樣。
2.然后執行產生log mel 聲譜
input_batch = vggish_input.waveform_to_examples(x, sr)
之后經過VGGish后128維的數據：
之后再將此數據進行PCA變換：
