torchaudio.functional¶

执行常见音频操作的函数。

实用程序¶

`amplitude_to_DB`	将频谱图从功率/幅度尺度转换为分贝尺度。
`DB_to_amplitude`	将张量从分贝尺度转换为功率/幅度尺度。
`melscale_fbanks`	创建频率仓转换矩阵。
`linear_fbanks`	创建线性三角滤波器组。
`create_dct`	创建形状为 (`n_mels`, `n_mfcc`) 的 DCT 变换矩阵，根据 norm 进行归一化。
`mask_along_axis`	沿 `axis` 应用掩码。
`mask_along_axis_iid`	沿 `axis` 应用掩码。
`mu_law_encoding`	基于 μ-律压缩扩展对信号进行编码。
`mu_law_decoding`	解码 μ-律编码的信号。
`apply_codec`	已弃用：将编解码器作为一种增强形式应用。
`resample`	使用带限插值在新的频率下对波形进行重采样。
`loudness`	根据 ITU-R BS.1770-4 建议测量音频响度。
`convolve`	使用直接方法沿其最后维度对输入进行卷积。
`fftconvolve`	使用 FFT 沿其最后维度对输入进行卷积。
`add_noise`	根据信噪比缩放并向波形添加噪声。
`preemphasis`	沿其最后维度预加重波形，即对于 `waveform` 中的每个信号 \(x\)，计算输出 \(y\) 为。
`deemphasis`	沿其最后维度去加重波形。
`speed`	调整波形速度。
`frechet_distance`	计算两个多元正态分布之间的 Fréchet 距离 [Dowson 和 Landau，1982]。

`forced_align`	将 CTC 标签序列与发射对齐。
`merge_tokens`	从给定的 CTC token 序列中删除重复的 token 和空白 token。
`TokenSpan`	带有时间戳和分数的 Token。

`allpass_biquad`	设计双极点全通滤波器。
`band_biquad`	设计双极点带通滤波器。
`bandpass_biquad`	设计双极点带通滤波器。
`bandreject_biquad`	设计双极点带阻滤波器。
`bass_biquad`	设计低音音调控制效果。
`biquad`	对输入张量执行双二阶滤波器。
`contrast`	应用对比度效果。
`dcshift`	对音频应用直流偏移。
`deemph_biquad`	应用 ISO 908 CD 去加重（搁架）IIR 滤波器。
`dither`	应用抖动
`equalizer_biquad`	设计双二阶峰值均衡滤波器并执行滤波。
`filtfilt`	对波形应用向前和向后 IIR 滤波器。
`flanger`	对音频应用镶边效果。
`gain`	对整个波形应用放大或衰减。
`highpass_biquad`	设计双二阶高通滤波器并执行滤波。
`lfilter`	通过评估差分方程执行 IIR 滤波，使用由 Yu 等人 [Yu 和 Fazekas，2023] 和 Forgione 等人 [Forgione 和 Piga，2021] 独立开发的可微实现。
`lowpass_biquad`	设计双二阶低通滤波器并执行滤波。
`overdrive`	对音频应用过载效果。
`phaser`	对音频应用移相效果。
`riaa_biquad`	应用 RIAA 黑胶唱片回放均衡。
`treble_biquad`	设计高音音调控制效果。

`vad`	语音活动检测器。
`spectrogram`	从原始音频信号创建频谱图或一批频谱图。
`inverse_spectrogram`	从提供的复数值频谱图创建反频谱图或一批反频谱图。
`griffinlim`	使用 Griffin-Lim 变换从线性尺度幅度频谱图计算波形。
`phase_vocoder`	给定一个 STFT 张量，通过因子 `rate` 加快时间，而不修改音高。
`pitch_shift`	将波形的音高偏移 `n_steps` 步。
`compute_deltas`	计算张量的 delta 系数，通常是频谱图
`detect_pitch_frequency`	检测音高频率。
`sliding_window_cmn`	对每个话语应用滑动窗口倒谱均值（以及可选的方差）归一化。
`spectral_centroid`	沿时间轴计算每个通道的频谱质心。

`psd`	计算跨通道功率谱密度 (PSD) 矩阵。
`mvdr_weights_souden`	计算最小方差无失真响应 (MVDR [Capon，1969]) 波束形成权重，方法是 Souden 等人 [Souden 等人，2009] 提出的。
`mvdr_weights_rtf`	计算最小方差无失真响应 (MVDR [Capon，1969]) 波束形成权重，基于噪声的相对传递函数 (RTF) 和功率谱密度 (PSD) 矩阵。
`rtf_evd`	通过特征值分解估计相对传递函数 (RTF) 或转向矢量。
`rtf_power`	通过幂法估计相对传递函数 (RTF) 或转向矢量。
`应用波束形成`	将波束形成权重应用于多通道噪声频谱，以获得单通道增强频谱。

计算来自使用循环神经网络进行序列转导的 RNN 转导器损失 [Graves, 2012]。

计算两个序列之间的词级编辑（Levenshtein）距离。