语音特征主要包括声学特性，这些特性可以分为几个不同的类别，包括韵律特征、频谱特征、能量特征等。以下是一些常见的语音特征：
韵律特征
音强：显示语音的重音、轻音等强弱变化。
音高：表现语音的字调与语调。
音长：对语言节奏的快慢，字与句之间的长短关系进行计量。
频谱特征
语谱图（spectrogram）：通过快速傅里叶变换（FFT）分析语音信号的频谱信息。
梅尔频率倒谱系数（MFCC）：模拟人耳对声音的感知，将语音信号的频谱信息转换为倒谱系数。
线性预测倒谱系数（LPCC）：通过线性预测分析语音信号的频谱信息。
频谱质心：语音信号频谱的质心频率。
频谱延展度：语音信号频谱的延展程度。
谱熵：语音信号频谱的不确定性或混乱程度。
频谱通量：语音信号频谱的动态变化。
频谱滚降点：语音信号频谱能量下降的速率。
能量特征
过零率：语音信号中过零（从正到负或从负到正）的次数。
能量：语音信号的总能量。
振幅扰动度：语音信号振幅的变化程度。
声强/响度：语音信号的响度或音量。
其他特征
基频及其频率抖动度：语音信号中基本频率的波动。
谐噪比：语音信号中信号与背景噪声的比值。
共振峰：语音信号中由声道共振产生的特征频率。
能量熵：语音信号能量分布的不确定性。
bark滤波器：模拟人耳基底膜的滤波器组，用于提取语音信号的特定频带信息。
CQCC（Chroma Features）：提取语音信号的色度特征，模拟人耳对不同音高和音色的感觉。
这些特征在语音识别、合成、分析等领域有着广泛的应用。不同的特征提取方法可能会侧重于不同的声学特性，以适应不同的应用场景和需求