要使用Python提取MFCC（Mel频率倒谱系数）特征，你可以使用Librosa库，它是一个专门用于处理音频和音乐分析的Python库。以下是使用Librosa提取MFCC特征的步骤：
1. 安装Librosa库（如果你还没有安装的话）：
```
pip install librosa
2. 加载音频文件：```pythonimport librosa
audio_path = "path_to_your_audio_file.wav" 替换为你的音频文件路径
y, sr = librosa.load（audio_path） y是音频时间序列，sr是采样率
3. 提取MFCC特征：
```python
mfccs = librosa.feature.mfcc（y=y, sr=sr, n_mfcc=13） n_mfcc表示要提取的MFCC系数数量
print（f"MFCC特征维度： {mfccs.shape}"） 输出特征维度，例如（13, 128）
4. 可视化MFCC特征（可选）：```pythonimport librosa.display
import matplotlib.pyplot as plt
plt.figure（figsize=（14, 5））
librosa.display.specshow（mfccs, x_axis='time', sr=sr）
plt.colorbar（）
plt.title（'MFCC'）
plt.tight_layout（）
plt.show（）
以上代码将加载音频文件，提取MFCC特征，并以图像形式显示这些特征。你可以根据需要调整`n_mfcc`参数来改变提取的MFCC系数数量。如果你需要处理的是MP3或其他非WAV格式的音频文件，Librosa同样支持加载这些格式，只要确保音频文件可以被Librosa正确读取即可