InverseMelScale¶
- class torchaudio.transforms.InverseMelScale(n_stft: int, n_mels: int = 128, sample_rate: int = 16000, f_min: float = 0.0, f_max: Optional[float] = None, norm: Optional[str] = None, mel_scale: str = 'htk', driver: str = 'gels')[source]¶
从梅尔频域估计正常频域中的 STFT。
它使用 torch.linalg.lstsq 最小化输入梅尔谱图与估计的谱图和滤波器组乘积之间的欧几里得范数。
- 参数:
n_stft (int) – STFT 中的 bin 数量。请参阅
Spectrogram中的n_fft。n_mels (int, 可选) – 梅尔滤波器组的数量。 （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）norm (str 或 None, 可选) – 如果是 “slaney”，则将三角形梅尔权重除以梅尔频带的宽度（面积归一化）。 （默认值：
None）mel_scale (str, 可选) – 要使用的刻度：
htk或slaney。 （默认值：htk）driver (str, 可选) – 用于 torch.lstsq 的 LAPACK/MAGMA 方法的名称。 对于 CPU 输入，有效值为
"gels"、"gelsy"、"gelsd"、"gelss"。 对于 CUDA 输入，唯一有效的驱动程序是"gels"，它假设 A 是满秩的。 （默认值："gels）
- 示例
>>> waveform, sample_rate = torchaudio.load("test.wav", normalize=True) >>> mel_spectrogram_transform = transforms.MelSpectrogram(sample_rate, n_fft=1024) >>> mel_spectrogram = mel_spectrogram_transform(waveform) >>> inverse_melscale_transform = transforms.InverseMelScale(n_stft=1024 // 2 + 1) >>> spectrogram = inverse_melscale_transform(mel_spectrogram)
