一般来说一段音频先是经过傅里叶变换得到spec，然后经过三角滤波得到mel_spec,最后通过倒谱得到mfcc，这个过程中feature的维度在不断降低，这就意味着可能会存在信息上的损失。
那么在nn中到底该选哪个作为输入呢？
- DNN做声学模型时，一般用fbank，不用mfcc，因为fbank信息更多 (mfcc是由mel fbank有损变换得到的）。
- mfcc一般是GMM做声学模型时用的，因为通常GMM假设是diagonal协方差矩阵，而cepstral coefficient更符合这种假设。
- linear spectrogram里面冗余信息太多了，维度也高，所以一般都不用。
参考资料：
1 语音信号处理基础学习和源码理解Melspectrogram
2 为什么tacotron生成语音时需要先生成Mel频谱，再重建语音？Mel频谱在其中起到什么用？
