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')

使用三角滤波器组将正常的 STFT 转换为 Bark 频率 STFT。

参数：

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

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

• f_min (float, 可选的) – 最低频率。(默认值: 0.)

• f_max (float 或 None, 可选的) – 最高频率。(默认值: sample_rate // 2)

• n_stft (int, 可选的) – STFT 中的频点数。参见 Spectrogram 中的 n_fft。(默认值: 201)

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

• bark_scale (str, 可选的) – 使用的刻度：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 (…, 频率, 时间) 的 STFT 谱图。

返回：

大小为 (…, n_barks, 时间) 的 Bark 频率谱图。

返回类型：

torch.Tensor