torchaudio.functional.spectrogram

torchaudio.functional.spectrogram(waveform: Tensor, pad: int, window: Tensor, n_fft: int, hop_length: int, win_length: int, power: Optional[float], normalized: Union[bool, str], center: bool = True, pad_mode: str = 'reflect', onesided: bool = True, return_complex: Optional[bool] = None) → Tensor

从原始音频信号创建频谱图或一批频谱图。频谱图可以是仅幅度的或复数的。

参数：

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

• pad (int) – 信号的两侧填充

• window (Tensor) – 应用/乘以每个帧/窗口的窗口张量

• n_fft (int) – FFT 的大小

• hop_length (int) – STFT 窗口之间跳跃的长度

• win_length (int) – 窗口大小

• power (float 或 None) – 幅度谱图的指数（必须大于 0），例如，1 表示幅度，2 表示功率等。如果为 None，则返回复数谱。

• normalized (bool 或 str) – 是否在 stft 后按幅度归一化。如果输入是字符串，则可以选择 "window" 和 "frame_length"，如果需要特定的归一化类型。True 映射到 "window"。当在 "window" 上进行归一化时，波形将根据窗口的 L2 能量进行归一化。如果在 "frame_length" 上进行归一化，则波形将通过除以 \((\text{frame\_length})^{0.5}\) 来进行归一化。

• center (布尔值, 可选) – 是否在 waveform 的两侧填充，以便第 \(t\) 帧以时间 \(t \times \text{hop\_length}\) 为中心。默认值：True

• pad_mode (字符串, 可选) – 当 center 为 True 时控制使用的填充方法。默认值："reflect"

• onesided (布尔值, 可选) – 控制是否返回一半的结果以避免冗余。默认值：True

• return_complex (布尔值, 可选) – 已弃用且未使用。

返回:

维度 (…, freq, time)，freq 为 n_fft // 2 + 1 且 n_fft 为傅里叶频段数，time 为窗口跳跃次数 (n_frame)。

返回类型:

张量