待验证50% 置信事实精确时间

Mel频谱图是模拟人耳听觉感知非线性特性的时频表示，是Whisper等端到端模型的标准输入格式

1

来源数

50%

置信度

长期有效

时效性

2026/7/20

首次发现

来源

GPT-Live实时语音交互：边听边说如何实现自然对话

相关事实

待验证梅尔频谱图模拟人耳对不同频率的非线性感知特性，将原始音频波形转换为时频域二维表示，便于卷积神经网络进行模式识别74% 相似待验证标准Whisper模型在处理歌声时准确率会下降，社区开发了whisper-timestamped等变体实现逐词级别时间轴对齐73% 相似待验证Mel频谱图基于心理声学研究，通过对数变换模拟人耳对低频比高频更敏感的非线性感知特性71% 相似待验证研究表明，Whisper 在静音段产生幻觉的概率尤为突出，转录结果流畅但内容与原音不符70% 相似待验证端到端音频模型可能在音频层面产生幻觉，即生成训练数据中存在但与当前语境无关的音频片段69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/573203

API

curl https://kongchang.com/api/v1/knowledge/claims/573203

MCP

get_claim(id=573203)