BarkScale

class torchaudio.prototype.transforms.BarkScale(n_barks: int = 128, sample_rate: int = 16000, f_min: float = 0.0, f_max: Optional[float] = None, n_stft: int = 201, bark_scale: str = 'traunmuller')

将普通 STFT 转换为带有三角形滤波器组的 Bark 频率 STFT。

参数:

• n_barks (int, 可选) – Bark 滤波器组的数量。（默认值：128）

• sample_rate (int, 可选) – 音频信号的采样率。（默认值：16000）

• f_min (float, 可选) – 最小频率。（默认值：0.）

• f_max (float 或 None, 可选) – 最大频率。（默认值：sample_rate // 2）

• n_stft (int, 可选) – STFT 中的 bin 数量。请参阅 Spectrogram 中的 n_fft。（默认值：201）

• norm (str 或 None, 可选) – 如果为 "slaney"，则将三角形 bark 权重除以 bark 频带的宽度（面积归一化）。（默认值：None）

• bark_scale (str, 可选) – 要使用的尺度：traunmuller、schroeder 或 wang。（默认值：traunmuller）

示例

>>> waveform, sample_rate = torchaudio.load("test.wav", normalize=True)
>>> spectrogram_transform = transforms.Spectrogram(n_fft=1024)
>>> spectrogram = spectrogram_transform(waveform)
>>> barkscale_transform = transforms.BarkScale(sample_rate=sample_rate, n_stft=1024 // 2 + 1)
>>> barkscale_spectrogram = barkscale_transform(spectrogram)

另请参阅

torchaudio.prototype.functional.barkscale_fbanks() - 用于生成滤波器组的函数。

forward(specgram: Tensor) → Tensor

参数:

specgram (torch.Tensor) – 维度为 (…, freq, time) 的频谱图 STFT。

返回:

Bark 频率频谱图，大小为 (…, n_barks, time)。

返回类型:

torch.Tensor