GriffinLim

class torchaudio.transforms.GriffinLim(n_fft: int = 400, n_iter: int = 32, win_length: ~typing.Optional[int] = None, hop_length: ~typing.Optional[int] = None, window_fn: ~typing.Callable[[...], ~torch.Tensor] = <built-in method hann_window of type object>, power: float = 2.0, wkwargs: ~typing.Optional[dict] = None, momentum: float = 0.99, length: ~typing.Optional[int] = None, rand_init: bool = True)

使用 Griffin-Lim 变换从线性幅值谱图计算波形。

实现移植自 *librosa* [Brian McFee 等人, 2015]、*A fast Griffin-Lim algorithm* [Perraudin 等人, 2013] 和 *Signal estimation from modified short-time Fourier transform* [Griffin and Lim, 1983]。

参数：

• n_fft (int, optional) – FFT 大小，创建 n_fft // 2 + 1 个 bin。（默认值：400）

• n_iter (int, optional) – 相位恢复过程的迭代次数。（默认值：32）

• win_length (int 或 None, optional) – 窗口大小。（默认值：n_fft）

• hop_length (int 或 None, optional) – STFT 窗口之间的跳跃长度。（默认值：win_length // 2）

• window_fn (Callable[..., Tensor], optional) – 用于创建窗口张量的函数，该张量应用于/乘以每个帧/窗口。（默认值：torch.hann_window）

• power (float, optional) – 幅值谱图的指数（必须 > 0），例如，幅值为 1，功率为 2 等。（默认值：2）

• wkwargs (dict 或 None, optional) – 窗口函数的参数。（默认值：None）

• momentum (float, optional) – 用于快速 Griffin-Lim 的动量参数。设置为 0 时恢复原始 Griffin-Lim 方法。接近 1 的值可以加快收敛，但大于 1 的值可能不收敛。（默认值：0.99）

• length (int, optional) – 预期输出的数组长度。（默认值：None）

• rand_init (bool, optional) – 如果为 True，则随机初始化相位，否则初始化为零。（默认值：True）

示例

>>> batch, freq, time = 2, 257, 100
>>> spectrogram = torch.randn(batch, freq, time)
>>> transform = transforms.GriffinLim(n_fft=512)
>>> waveform = transform(spectrogram)

使用 GriffinLim 的教程

使用 Tacotron2 进行文本转语音

使用 Tacotron2 进行文本转语音

音频特征提取

音频特征提取

forward(specgram: Tensor) → Tensor

参数：

specgram (Tensor) – 仅幅值的 STFT 谱图，维度为 (…, freq, frames)，其中 freq 为 n_fft // 2 + 1。

返回：

波形，维度为 (…, time)，其中 time 如果给定，则等于 length 参数。

返回类型：

Tensor