出力をAssociationとしてフォーマットする：

TimeSeriesのリストを返す：

規則のリストを返す：

Datasetを返す：

基本的なヒストグラム特性：

統計的ヒストグラム特性：

強度に基づいた基本特性：

"CrestFactor"特性は分割の最大値とRMSの比を測定する．"PeakToAveragePowerRatio"は同じ値を平方する：

"TemporalCentroid"特性は，各分割のエネルギー分布における重力の質量中心を計算する：

出力値は0から1までで有界である．0は全エネルギーが分割の先頭に集中していることを意味する．

"ZeroCrossings"は分割におけるゼロ交差の数を返す．"ZeroCrossingRate"はこれを区分の持続で正規化する：

"LPC"特性は，線形の予測的コード化で推定された12個の係数を返す：

高いサンプルレートを持つ音声オブジェクトのLPC係数の数を制御する：

信号のフォルマントの周波数を抽出する：

計算に使われるフォルマント係数とLPC係数の数を制御する：

音声信号のエントロピー：

"SpectralCrest"は，パワースペクトルの最大値と平均値の比を測定する：

"SpectralRollOff"は，それより下だとスペクトルエネルギーの95%が濃縮される周波数を測定する：

"SpectralSlope"はパワースペクトルの傾きの測度である：

"SpectralFlatness"はパワースペクトルの平坦さの測度である：

パワースペクトル上で計算された，よく使われる統計特性：

"FundamentalFrequency"は，モノ音響の基本的周波数を推測する：

検出感度を制御する：

検出を行う周波数範囲を制御する：

"HighFrequencyContent"は，周波数とともに線形に増加する重みを使ってパワースペクトルの平均を計算する：

スペクトルの線形重み付けは， "HighFrequencyContent" を一過性の検出のよい候補とし，スペクトルのハイエンドに位置する事象により高い重要性を割り当てる．

"MFCC"特性はメル周波数ケプストラムの12の係数を返す：

係数およびフィルタの数と周波数範囲を制御する：

連続する2つのフレームのフーリエ変換間の距離の異なる測定値に基づいた特性：

"Novelty"特性はあるフレームが近傍フレームとどのくらい違うかを計算する：

"VoiceActivity"特性は，音声信号のうちの有声部分を示す関数である：

音声の波形プロットで声の活動を示す：

解像度を上げるためにより小さい10ミリ秒の窓を使う：

"SpeechFundamentalFrequency"特性は，音声の基本周波数を推定する：

"SpeechSpectralEnvelope"特性は信号のスペクトル包絡線の係数を返す：

結果の値をプロットする：

"SpeechAperiodicity"特性は，信号の非周期的成分の係数を返す：

結果の値をプロットする：

結果のTimeSeriesのタイムスタンプは，デフォルトで，各分割区間の中央に置かれる：

Alignment->Rightを使って計算された特性を各分割区間の末尾に置く：

デフォルトで，"Silent"充填が使われる：

"Reversed"充填を使う：

デフォルトで，区分サイズの半分に等しい充填が信号の両端に適用される：

充填量を増やす：

信号の最初と最後に異なる充填量を使う：

100ミリ秒の分割サイズを指定する：

10ミリ秒のオフセットを使う：

平滑化窓を使う：

周波数領域特性はすべて，デフォルトで，平滑化窓を使う：