InverseBarkScale

class torchaudio.prototype.transforms.InverseBarkScale(n_stft: int, n_barks: int = 128, sample_rate: int = 16000, f_min: float = 0.0, f_max: Optional[float] = None, max_iter: int = 100000, tolerance_loss: float = 1e-05, tolerance_change: float = 1e-08, sgdargs: Optional[dict] = None, bark_scale: str = 'traunmuller')

从 Bark 频率域估计正常频率域中的 STFT。

它使用 SGD 最小化输入 Bark 频谱图与估计的频谱图和滤波器组之间的欧几里得范数。

参数:

• n_stft (int) – STFT 中的 bin 数量。参见 Spectrogram 中的 n_fft。

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

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

• 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：sample_rate // 2）

• max_iter (int, 可选) – 最大优化迭代次数。（默认值：100000）

• tolerance_loss (float, 可选) – 停止优化的损失值。（默认值：1e-5）

• tolerance_change (float, 可选) – 停止优化的损失差异。（默认值：1e-8）

• sgdargs (dict 或 None, 可选) – SGD 优化器的参数。（默认值：None）

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

示例

>>> waveform, sample_rate = torchaudio.load("test.wav", normalize=True)
>>> mel_spectrogram_transform = transforms.BarkSpectrogram(sample_rate, n_fft=1024)
>>> mel_spectrogram = bark_spectrogram_transform(waveform)
>>> inverse_barkscale_transform = transforms.InverseBarkScale(n_stft=1024 // 2 + 1)
>>> spectrogram = inverse_barkscale_transform(mel_spectrogram)

forward(barkspec: Tensor) → Tensor

参数:

barkspec (torch.Tensor) – Bark 频率频谱图，维度为 (…, n_barks, 时间)

返回:

线性尺度频谱图，尺寸为 (…, 频率, 时间)

返回类型:

torch.Tensor