TL;DR 答案
是的，这是正确的。
长答案
您正在使用时间序列作为输入（signal）， 意思就是librosa首先使用以下计算梅尔谱图梅尔谱图功能。它需要一堆参数，其中您已经指定了一个（n_fft）。重要的是要注意梅尔谱图还提供了两个参数center and pad_mode使用默认值True and "reflect"分别。
来自文档：
pad_mode：字符串：如果 center=True，则在信号边缘使用的填充模式。
默认情况下，STFT 使用反射填充。
中心：布尔值：如果为 True，则填充信号 y，以便帧 t 以 y[t * hop_length] 为中心。
如果为 False，则帧 t 从 y[t * hop_length] 开始
换句话说，默认情况下，librosa使信号更长（垫）以支持居中。
如果您想避免这种行为，您应该通过center=False给你的mfcc call.
综上所述，设置时center to False，请记住，使用n_fft长度为 2048，跳长度为400，你不一定得到(time*sr/hop_length)=40框架，因为你还必须考虑window而不仅仅是hop长度（除非你以某种方式填充）。跳跃长度仅指定您移动该窗口的样本数量。
举一个极端的例子，考虑一个非常大的窗口和非常短的跳跃长度：假设 10 个样本（例如time=1s, sr=10Hz），窗口长度为n_fft=9 and hop_length=1 with center=False。现在想象一下在 10 个样本上滑动窗口。
◼︎◼︎◼︎◼︎◼︎◼︎◼︎◼︎◼︎◻︎
◻︎◼︎◼︎◼︎◼︎◼︎◼︎◼︎◼︎◼︎
t 0123456789
◻︎ sample not covered by window
◼︎ sample covered by window
首先窗口开始于t=0并结束于t=8。我们可以将其移动多少次hop_length仍然期望它不会用完样品？恰好一次，直到开始于t=1并结束于t=9。添加第一个未移动的帧，您将得到 2 帧。这显然与错误的不同(time*sr/hop_length)=1*10/1=10.
正确的是：(time*sr-n_fft)//hop_length+1=(1*10-9)//1+1=2 with //表示 Python 风格的整数除法。
当使用默认值时，即center=True，信号被填充n_fft // 2两端都有样本，所以n_fft不属于这个等式。
