音调偏移

class torchaudio.transforms.PitchShift(sample_rate: int, n_steps: int, bins_per_octave: int = 12, n_fft: int = 512, win_length: ~typing.Optional[int] = None, hop_length: ~typing.Optional[int] = None, window_fn: ~typing.Callable[[...], ~torch.Tensor] = <built-in method hann_window of type object>, wkwargs: ~typing.Optional[dict] = None)

将波形的音调偏移 n_steps 步。

参数:

• waveform (Tensor) – 形状为 (…, time) 的输入波形。

• sample_rate (int) – waveform 的采样率。

• n_steps (int) – 偏移 waveform 的（分数）步数。

• bins_per_octave (int, 可选) – 每个八度的步数（默认：12）。

• n_fft (int, 可选) – FFT 的大小，生成 n_fft // 2 + 1 个 bin（默认：512）。

• win_length (int 或 None, 可选) – 窗口大小。如果为 None，则使用 n_fft。（默认：None）。

• hop_length (int 或 None, 可选) – STFT 窗口之间的跳跃长度。如果为 None，则使用 win_length // 4（默认：None）。

• window (Tensor 或 None, 可选) – 应用/乘以每个帧/窗口的窗口张量。如果为 None，则使用 torch.hann_window(win_length)（默认：None）。

示例

>>> waveform, sample_rate = torchaudio.load("test.wav", normalize=True)
>>> transform = transforms.PitchShift(sample_rate, 4)
>>> waveform_shift = transform(waveform)  # (channel, time)

initialize_parameters(input)

根据输入批次属性初始化参数。

这添加了一个接口，用于在进行参数形状推断时将参数初始化与前向传递隔离开来。

forward(waveform: Tensor) → Tensor

参数:

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

返回值:

形状为 (…, time) 的音调偏移后的音频。

返回类型:

张量