Resample

class torchaudio.transforms.Resample(orig_freq: int = 16000, new_freq: int = 16000, resampling_method: str = 'sinc_interp_hann', lowpass_filter_width: int = 6, rolloff: float = 0.99, beta: Optional[float] = None, *, dtype: Optional[dtype] = None)

将信号从一个频率重采样到另一个频率。可以指定重采样方法。

注意

如果在高于 float32 精度的波形上进行重采样，则可能会有少量精度损失，因为内核缓存为 float32 一次。如果高精度重采样对您的应用很重要，则函数形式将保留更高的精度，但运行速度会较慢，因为它不缓存内核。或者，您可以重写一个变换，以缓存更高精度的内核。

参数:

• orig_freq (int, 可选) – 信号的原始频率。（默认：16000）

• new_freq (int, 可选) – 期望的频率。（默认：16000）

• resampling_method (str, 可选) – 要使用的重采样方法。选项：[sinc_interp_hann, sinc_interp_kaiser]（默认："sinc_interp_hann"）

• lowpass_filter_width (int, 可选) – 控制滤波器的锐度，值越大 == 越锐利但效率越低。（默认：6）

• rolloff (float, 可选) – 滤波器的滚降频率，作为奈奎斯特频率的一部分。较低的值会减少抗锯齿，但也会减少一些最高频率。（默认：0.99）

• beta (float 或 None, 可选) – 用于 kaiser 窗口的形状参数。

• dtype (torch.device, 可选) – 确定预先计算和缓存重采样内核的精度。如果未提供，则内核将使用 torch.float64 计算，然后缓存为 torch.float32。如果您需要更高的精度，请提供 torch.float64，预先计算的内核将使用 torch.float64 计算并缓存。如果您使用较低精度的重采样，请使用 Resample.to(dtype) 而不是提供此参数，以便内核生成仍然在 torch.float64 上执行。

示例

>>> waveform, sample_rate = torchaudio.load("test.wav", normalize=True)
>>> transform = transforms.Resample(sample_rate, sample_rate/10)
>>> waveform = transform(waveform)

使用 Resample 的教程

使用 Wav2Vec2 进行语音识别

使用 Wav2Vec2 进行语音识别

音频重采样

音频重采样

forward(waveform: Tensor) → Tensor

参数:

waveform (Tensor) – 音频张量，维度为 (…, 时间)。

返回:

输出信号，维度为 (…, 时间)。

返回类型:

Tensor