ChromaScale

class torchaudio.prototype.transforms.ChromaScale(sample_rate: int, n_freqs: int, *, n_chroma: int = 12, tuning: float = 0.0, ctroct: float = 5.0, octwidth: Optional[float] = 2.0, norm: int = 2, base_c: bool = True)

将频谱图转换为色度图 (chromagram)。

参数：

• sample_rate (int) – 音频信号的采样率。

• n_freqs (int) – STFT 中的频率 bin 数量。请参阅 Spectrogram 中的 n_fft。

• n_chroma (int, optional) – 色度数量。(默认值: 12)

• tuning (float, optional) – A440 音高在色度 bin 分数上的调音偏差。(默认值: 0.0)

• ctroct (float, optional) – 用于对滤波器加权的 Gaussian 优势窗口的中心，以八度为单位。(默认值: 5.0)

• octwidth (float 或 None, optional) – 用于对滤波器加权的 Gaussian 优势窗口的宽度，以八度为单位。如果为 None，则完全禁用加权。(默认值: 2.0)

• norm (int, optional) – 用于归一化滤波器组的范数阶数。(默认值: 2)

• base_c (bool, optional) – 如果为 True，则滤波器组从 C 开始。否则从 A 开始。(默认值: True)

示例

>>> waveform, sample_rate = torchaudio.load("test.wav", normalize=True)
>>> spectrogram_transform = transforms.Spectrogram(n_fft=1024)
>>> spectrogram = spectrogram_transform(waveform)
>>> chroma_transform = transforms.ChromaScale(sample_rate=sample_rate, n_freqs=1024 // 2 + 1)
>>> chroma_spectrogram = chroma_transform(spectrogram)

另请参阅

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

forward(x: Tensor) → Tensor

参数：

specgram (torch.Tensor) – 维度为 (…, n_freqs, 时间) 的频谱图。

返回：

大小为 (…, n_chroma, 时间) 的色度频谱图。

返回类型：

torch.Tensor