Bark频谱图

class torchaudio.prototype.transforms.BarkSpectrogram(sample_rate: int = 16000, n_fft: int = 400, win_length: ~typing.Optional[int] = None, hop_length: ~typing.Optional[int] = None, f_min: float = 0.0, f_max: ~typing.Optional[float] = None, pad: int = 0, n_barks: int = 128, window_fn: ~typing.Callable[[...], ~torch.Tensor] = <built-in method hann_window of type object>, power: float = 2.0, normalized: bool = False, wkwargs: ~typing.Optional[dict] = None, center: bool = True, pad_mode: str = 'reflect', bark_scale: str = 'traunmuller')

为原始音频信号创建 Bark频谱图。

这是一个 torchaudio.transforms.Spectrogram() 和 torchaudio.transforms.BarkScale() 的组合。

来源

• https://www.fon.hum.uva.nl/praat/manual/BarkSpectrogram.html

• Traunmüller, Hartmut. “Analytical Expressions for the Tonotopic Sensory Scale.” Journal of the Acoustical

• Society of America. Vol. 88, Issue 1, 1990, pp. 97–100.

• https://ccrma.stanford.edu/courses/120-fall-2003/lecture-5.html

参数：

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

• n_fft (int, 可选) – FFT 大小，创建 n_fft // 2 + 1 个频带。 (默认值：400)

• win_length (int 或 None, 可选) – 窗口大小。 (默认值：n_fft)

• hop_length (int 或 None, 可选) – STFT 窗口之间跳跃的长度。（默认值：win_length // 2)

• 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：None)

• pad (int, 可选) – 信号的两侧填充。（默认值：0)

• n_mels (int, 可选) – 梅尔滤波器组的数量。（默认值：128)

• window_fn (Callable[..., torch.Tensor], 可选) – 用于创建应用/乘以每个帧/窗口的窗口张量的函数。（默认值：torch.hann_window)

• power (float, 可选) – 幅度谱图的指数，（必须 > 0）例如，1 表示能量，2 表示功率，等等。（默认值：2)

• normalized (bool, 可选) – 是否在 stft 后按幅度归一化。（默认值：False)

• wkwargs (Dict[..., ...] 或 None, 可选) – 窗口函数的参数。（默认值：None)

• center (bool, 可选) – 是否在两侧填充 waveform，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")

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

示例

>>> waveform, sample_rate = torchaudio.load("test.wav", normalize=True)
>>> transform = transforms.BarkSpectrogram(sample_rate)
>>> bark_specgram = transform(waveform)  # (channel, n_barks, time)

另请参阅

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

forward(waveform: Tensor) → Tensor

参数：

waveform (torch.Tensor) – 尺寸为 (…, 时间) 的音频的 torch.Tensor。

返回值：

大小为 (…, n_barks, 时间) 的 Bark 频率谱图。

返回类型：

torch.Tensor