InverseSpectrogram¶

class torchaudio.transforms.InverseSpectrogram(n_fft: int = 400, 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>, normalized: ~typing.Union[bool, str] = False, wkwargs: ~typing.Optional[dict] = None, center: bool = True, pad_mode: str = 'reflect', onesided: bool = True)[source]¶

创建逆频谱图以从频谱图中恢复音频信号。

参数:

n_fft (int, optional) – FFT 大小，创建 n_fft // 2 + 1 个 bin。（默认值：400）
win_length (int 或 None，可选) – 窗口大小。（默认值：n_fft）
hop_length (int 或 None，可选) – STFT 窗口之间的跳跃长度。（默认值：win_length // 2）
pad (int, optional) – 信号的双边填充。（默认值：0）
window_fn (Callable[..., Tensor], optional) – 用于创建窗口张量的函数，该张量应用于/乘以每个帧/窗口。（默认值：torch.hann_window）
normalized (bool 或 str, optional) – stft 输出是否按幅度归一化。如果输入为 str，则选项为 "window" 和 "frame_length"，取决于归一化模式。True 映射到 "window"。（默认值：False）
wkwargs (dict 或 None，optional) – 窗口函数的参数。（默认值：None）
center (bool, optional) – 频谱图中的信号是否在两侧填充，以便第 \(t\) 帧以时间 \(t \times \text{hop\_length}\) 为中心。（默认值：True）
pad_mode (string, optional) – 控制当 center 为 True 时使用的填充方法。（默认值："reflect"）
onesided (bool, optional) – 控制频谱图是否用于返回一半结果以避免冗余（默认值：True）

示例

>>> batch, freq, time = 2, 257, 100
>>> length = 25344
>>> spectrogram = torch.randn(batch, freq, time, dtype=torch.cdouble)
>>> transform = transforms.InverseSpectrogram(n_fft=512)
>>> waveform = transform(spectrogram, length)

使用 InverseSpectrogram 的教程