逆巴克尺度¶
- 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')[source]¶
从巴克频域估计正常频域中的 STFT。
它使用 SGD 最小化输入巴克频谱图与估计频谱图与滤波器组的乘积之间的欧几里得范数。
- 参数：
n_stft (int) – STFT 中的箱数。参见
n_fft在Spectrogram中。n_barks (int, 可选) – 巴克滤波器组的数量。 (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) – 最低频率。 (默认值：
0.)f_max (float 或 None, 可选) – 最高频率。 (默认值：
sample_rate // 2)max_iter (int, 可选) – 最大的优化迭代次数。 (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) – 停止优化的损失差值。 (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) – 要使用的比例：
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[source]¶
- 参数：
barkspec (torch.Tensor) – 维度为 (…,
n_barks, 时间) 的巴克频谱图- 返回:
大小为 (…, freq, time) 的线性比例频谱图
- 返回类型:
