torchaudio.functional.compute_deltas

torchaudio.functional.compute_deltas(specgram: Tensor, win_length: int = 5, mode: str = 'replicate') → Tensor

计算张量的 delta 系数，通常是频谱图

\[d_t = \frac{\sum_{n=1}^{\text{N}} n (c_{t+n} - c_{t-n})}{2 \sum_{n=1}^{\text{N}} n^2} \]

其中 \(d_t\) 是时间 \(t\) 的 delta 值，\(c_t\) 是时间 \(t\) 的频谱图系数，\(N\) 是 (win_length-1)//2。

参数:

• specgram (Tensor) – 音频张量，维度为 (…, freq, time)

• win_length (int, 可选) – 用于计算 delta 的窗口长度 (默认值: 5)

• mode (str, 可选) – 传递给 padding 的模式参数 (默认值: "replicate")

返回:

delta 张量，维度为 (…, freq, time)

返回类型:

Tensor

示例

>>> specgram = torch.randn(1, 40, 1000)
>>> delta = compute_deltas(specgram)
>>> delta2 = compute_deltas(delta)