ChromaSpectrogram¶
- class torchaudio.prototype.transforms.ChromaSpectrogram(sample_rate: int, n_fft: int, *, win_length: ~typing.Optional[int] = None, hop_length: ~typing.Optional[int] = None, pad: int = 0, 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', n_chroma: int = 12, tuning: float = 0.0, ctroct: float = 5.0, octwidth: ~typing.Optional[float] = 2.0, norm: int = 2, base_c: bool = True)[source]¶
为音频信号生成色度图。
组合
torchaudio.transforms.Spectrogram()和torchaudio.prototype.transforms.ChromaScale()。- 参数:
sample_rate (int) – 音频信号的采样率。
n_fft (int, 可选) – FFT 大小，创建
n_fft // 2 + 1个 bins。win_length (int 或 None, 可选) – 窗口大小。(默认值:
n_fft)hop_length (int 或 None, 可选) – STFT 窗口之间的跳跃长度。(默认值:
win_length // 2)pad (int, 可选) – 信号的双边填充。(默认值:
0)window_fn (Callable[..., torch.Tensor], 可选) – 用于创建窗口张量的函数，该张量应用于/乘以每个帧/窗口。(默认值:
torch.hann_window)power (float, 可选) – 幅度谱的指数，(必须 > 0) 例如，1 代表能量，2 代表功率等。(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 \(t \times \text{hop\_length}\) 为中心。(默认值:True)pad_mode (string, 可选) – 控制当
center为True时使用的填充方法。(默认值:"reflect")n_chroma (int, 可选) – 色度数。(默认值:
12)tuning (float, 可选) – 以色度 bin 的分数表示的 A440 的调音偏差。(默认值: 0.0)
ctroct (float, 可选) – 高斯主导窗口的中心，用于按八度音阶对滤波器进行加权。(默认值: 5.0)
octwidth (float 或 None, 可选) – 高斯主导窗口的宽度，用于按八度音阶对滤波器进行加权。如果为
None，则完全禁用加权。(默认值: 2.0)norm (int, 可选) – 用于归一化滤波器组的范数阶数。(默认值: 2)
base_c (bool, 可选) – 如果为 True，则从 C 开始滤波器组。否则，从 A 开始。(默认值: True)
- 示例
>>> waveform, sample_rate = torchaudio.load("test.wav", normalize=True) >>> transform = transforms.ChromaSpectrogram(sample_rate=sample_rate, n_fft=400) >>> chromagram = transform(waveform) # (channel, n_chroma, time)
