逆谱图

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)

创建一个逆谱图，用于从谱图中恢复音频信号。

参数:

• n_fft (int, 可选) – 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, 可选) – 信号的双边填充。(默认值: 0)

• window_fn (Callable[..., Tensor], 可选) – 一个函数，用于创建应用于/乘以每个帧/窗口的窗口张量。(默认值: torch.hann_window)

• normalized (bool 或 str, 可选) – STFT 输出是否按幅度归一化。如果输入为 str，可选值为 "window" 和 "frame_length"，取决于归一化模式。True 对应于 "window"。(默认值: False)

• wkwargs (dict 或 None, 可选) – 窗口函数的参数。(默认值: None)

• center (bool, 可选) – 谱图中的信号是否在两侧进行了填充，以便第 \(t\) 帧以时间 \(t \times \text{hop\_length}\) 为中心。(默认值: True)

• pad_mode (string, 可选) – 控制当 center 为 True 时使用的填充方法。(默认值: "reflect")

• onesided (bool, 可选) – 控制是否使用谱图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

音频特征增强

音频特征增强

使用 MVDR 波束形成进行语音增强

使用 MVDR 波束形成进行语音增强

forward(spectrogram: Tensor, length: Optional[int] = None) → Tensor

参数:

• spectrogram (Tensor) – 维度为 (…, freq, time) 的音频复数张量。

• length (int 或 None, 可选) – 输出波形的长度。

返回值:

维度 (…, time)，原始信号的最小二乘估计。

返回类型:

Tensor