梅尔刻度

class torchaudio.transforms.MelScale(n_mels: int = 128, sample_rate: int = 16000, f_min: float = 0.0, f_max: Optional[float] = None, n_stft: int = 201, norm: Optional[str] = None, mel_scale: str = 'htk')

使用三角滤波器组将普通 STFT 转换为梅尔频率 STFT。

参数：

• 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)

• n_stft (int, 可选) – STFT 中的频段数。参见 Spectrogram 中的 n_fft。 (默认值：201)

• norm (str 或 None, 可选) – 如果为 "slaney"，则将三角梅尔权重除以梅尔频段的宽度（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)

示例

>>> waveform, sample_rate = torchaudio.load("test.wav", normalize=True)
>>> spectrogram_transform = transforms.Spectrogram(n_fft=1024)
>>> spectrogram = spectrogram_transform(waveform)
>>> melscale_transform = transforms.MelScale(sample_rate=sample_rate, n_stft=1024 // 2 + 1)
>>> melscale_spectrogram = melscale_transform(spectrogram)

另请参见

torchaudio.functional.melscale_fbanks() - 用于生成滤波器组的函数。

forward(specgram: Tensor) → Tensor

参数：

specgram (Tensor) – 尺寸为 (…, freq, time) 的频谱图 STFT。

返回：

大小为 (…, n_mels, time) 的梅尔频率谱图。

返回类型：

Tensor