快捷方式

梅尔谱图

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梅尔谱图。

This feature supports the following devices: CPU, CUDA This API supports the following properties: Autograd, TorchScript

这是 torchaudio.transforms.Spectrogram()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 个频段。 (默认值:400)

  • win_length (intNone, 可选) – 窗口大小。 (默认值:n_fft)

  • hop_length (intNone, 可选) – STFT 窗口之间跳跃的长度。 (默认值:win_length // 2)

  • f_min (float, 可选) – 最低频率。 (默认值:0.)

  • f_max (floatNone, 可选) – 最高频率。 (默认值:None)

  • pad (int, 可选) – 信号的两侧填充。 (默认值:0)

  • n_mels (int, 可选) – 梅尔滤波器组的数量。 (默认值:128)

  • window_fn (Callable[..., Tensor], 可选) – 用于创建窗口张量的函数,应用/乘以每个帧/窗口。 (默认值:torch.hann_window)

  • power (float, 可选) – 幅度谱图的指数,(必须 > 0),例如,1 表示幅度,2 表示功率等。 (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 \(t\) 帧以时间 \(t \times \text{hop\_length}\) 为中心。 (默认值:True)

  • pad_mode (字符串, 可选) – 当 centerTrue 时控制使用的填充方法。 (默认值:"reflect")

  • onesided – 已弃用且未使用。

  • norm (strNone, 可选) – 如果为“slaney”,则将三角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) – 要使用的比例:htkslaney。 (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
Audio Feature Extractions

音频特征提取

音频特征提取
forward(waveform: Tensor) Tensor[source]
参数:

waveform (Tensor) – 音频张量,维度为 (…, time)。

返回:

大小为 (…, n_mels, time) 的梅尔频率谱图。

返回类型:

Tensor

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取初学者和高级开发人员的深入教程

查看教程

资源

查找开发资源并获得解答

查看资源