GriffinLim¶
- class torchaudio.transforms.GriffinLim(n_fft: int = 400, n_iter: int = 32, win_length: ~typing.Optional[int] = None, hop_length: ~typing.Optional[int] = None, window_fn: ~typing.Callable[[...], ~torch.Tensor] = <built-in method hann_window of type object>, power: float = 2.0, wkwargs: ~typing.Optional[dict] = None, momentum: float = 0.99, length: ~typing.Optional[int] = None, rand_init: bool = True)[source]¶
使用 Griffin-Lim 变换从线性尺度幅度谱图计算波形。
实现移植自 librosa [Brian McFee 等人,2015]、一种快速的 Griffin-Lim 算法 [Perraudin 等人,2013] 和 从修改后的短时傅里叶变换进行信号估计 [Griffin 和 Lim,1983]。
- 参数:
n_fft (int, 可选) – FFT 大小,创建
n_fft // 2 + 1
个频带。(默认值:400
)n_iter (int, 可选) – 相位恢复过程的迭代次数。(默认值:
32
)win_length (int 或 None, 可选) – 窗口大小。(默认值:
n_fft
)hop_length (int 或 None, 可选) – STFT 窗口之间跳跃的长度。(默认值:
win_length // 2
)window_fn (Callable[..., Tensor], 可选) – 用于创建窗口张量的函数,该函数应用/乘以每个帧/窗口。(默认值:
torch.hann_window
)power (float, 可选) – 幅度谱图的指数,(必须 > 0)例如,1 表示幅度,2 表示功率等。(默认值:
2
)wkwargs (dict 或 None, 可选) – 窗口函数的参数。(默认值:
None
)momentum (float, 可选) – 快速 Griffin-Lim 的动量参数。将其设置为 0 可恢复原始 Griffin-Lim 方法。接近 1 的值可以导致更快的收敛,但大于 1 可能不会收敛。(默认值:
0.99
)length (int, 可选) – 预期输出的数组长度。(默认值:
None
)rand_init (bool, 可选) – 如果为 True,则随机初始化相位,否则初始化为零。(默认值:
True
)
- 示例
>>> batch, freq, time = 2, 257, 100 >>> spectrogram = torch.randn(batch, freq, time) >>> transform = transforms.GriffinLim(n_fft=512) >>> waveform = transform(spectrogram)
- 使用
GriffinLim
的教程 - 使用 Tacotron2 进行文本转语音音频特征提取