torchaudio.functional.melscale_fbanks

torchaudio.functional.melscale_fbanks(n_freqs: int, f_min: float, f_max: float, n_mels: int, sample_rate: int, norm: Optional[str] = None, mel_scale: str = 'htk') → Tensor

创建一个频率 bin 转换矩阵。

注意

为了与 librosa 在数值上兼容，生成的滤波器组中并非所有系数的大小都为 1。

参数：:

• n_freqs (int) – 要突出显示/应用的频率数量

• f_min (float) – 最低频率 (Hz)

• f_max (float) – 最高频率 (Hz)

• n_mels (int) – 梅尔滤波器组的数量

• sample_rate (int) – 音频波形的采样率

• norm (str 或 None, 可选) – 如果为“slaney”，则将三角形梅尔权重除以梅尔频带的宽度（面积归一化）。（默认值：None）

• mel_scale (str, 可选) – 要使用的比例：htk 或 slaney。（默认值：htk）

返回值：:

大小为 (n_freqs, n_mels) 的三角形滤波器组（fb 矩阵），表示要突出显示/应用于 x 的频率数量和滤波器组的数量。每列都是一个滤波器组，因此假设有一个大小为 (…, n_freqs) 的矩阵 A，则应用的结果将为 A @ melscale_fbanks(A.size(-1), ...)。

返回类型：:

张量

使用 melscale_fbanks 的教程

音频特征提取

音频特征提取