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 的大小，创建
n_fft // 2 + 1个频带。win_length (int 或 None, 可选) – 窗口大小。（默认：
n_fft）hop_length (int 或 None, 可选) – STFT 窗口之间跳跃的长度。（默认：
win_length // 2）pad (int, 可选) – 信号的两侧填充。（默认：
0）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：
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。（默认：
2）normalized (bool, 可选) – 是否在 stft 后按幅度归一化。（默认：
False）wkwargs (Dict[..., ...] 或 None, 可选) – 窗口函数的参数。（默认：
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：True）pad_mode (字符串, 可选) – 当
center为True时控制使用的填充方法。（默认："reflect"）n_chroma (int, 可选) – 色度数量。（默认：
12）tuning (float, 可选) – 相对于 A440 的调音偏差，以色度 bin 的分数表示。（默认：0.0）
ctroct (float, 可选) – 用于按权重对滤波器进行加权的高斯优势窗口的中心，以八度表示。（默认：5.0）
octwidth (float 或 None, 可选) – 用于按权重对滤波器进行加权的高斯优势窗口的宽度，以八度表示。如果为
None，则完全禁用加权。（默认：2.0）norm (int, 可选) – 用于对滤波器组进行归一化的范数的阶数。（默认：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：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)
