MelSpectrogram¶
- class torchaudio.transforms.MelSpectrogram(sample_rate: int = 16000, n_fft: int = 400, win_length: ~typing.Optional[int] = None, hop_length: ~typing.Optional[int] = None, f_min: float = 0.0, f_max: ~typing.Optional[float] = None, pad: int = 0, n_mels: int = 128, window_fn: ~typing.Callable[[...], ~torch.Tensor] = <built-in method hann_window of type object>, power: float = 2.0, normalized: bool = False, wkwargs: ~typing.Optional[dict] = None, center: bool = True, pad_mode: str = 'reflect', onesided: ~typing.Optional[bool] = None, norm: ~typing.Optional[str] = None, mel_scale: str = 'htk')[source]¶
为原始音频信号创建 MelSpectrogram。
这是
torchaudio.transforms.Spectrogram()和torchaudio.transforms.MelScale()的组合。- 来源
- 参数:
sample_rate (int, 可选) – 音频信号的采样率。（默认值：
16000）n_fft (int, 可选) – FFT 大小，创建
n_fft // 2 + 1个 bins。（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）f_min (float, 可选) – 最小频率。（默认值：
0.）f_max (float 或 None, 可选) – 最大频率。（默认值：
None）pad (int, 可选) – 信号的双边填充。（默认值：
0）n_mels (int, 可选) – Mel 滤波器组的数量。（默认值：
128）window_fn (Callable[..., Tensor], 可选) – 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）power (float, 可选) – 幅度谱的指数，（必须 > 0），例如，1 代表幅度，2 代表功率，等等。（默认值：
2）normalized (bool, 可选) – 是否在 stft 后按幅度归一化。（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) – 是否在两侧填充
waveform，以便第 \(t\) 帧以 \(t \times \text{hop\_length}\) 时间为中心。（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 – 已弃用且未使用。
norm (str 或 None, 可选) – 如果为 “slaney”，则将三角形 mel 权重除以 mel 频带的宽度（面积归一化）。（默认值：
None）mel_scale (str, 可选) – 要使用的比例：
htk或slaney。（默认值：htk）
- 示例
>>> waveform, sample_rate = torchaudio.load("test.wav", normalize=True) >>> transform = transforms.MelSpectrogram(sample_rate) >>> mel_specgram = transform(waveform) # (channel, n_mels, time)
另请参阅
torchaudio.functional.melscale_fbanks()- 用于生成滤波器组的函数。- 使用
MelSpectrogram的教程
