重采样

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)

将信号从一种频率重采样到另一种频率。可以指定重采样方法。

注意

如果对高于 float32 精度的波形进行重采样，可能会因内核仅一次缓存为 float32 而导致精度略微损失。如果高精度重采样对您的应用程序很重要，则函数形式将保持更高的精度，但运行速度会更慢，因为它不会缓存内核。或者，您可以重写缓存更高精度内核的转换。

参数：

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

• new_freq (int, 可选) – 期望频率。 (默认值：16000)

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

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

• rolloff (float, 可选) – 滤波器的截止频率，以奈奎斯特频率的比例表示。较低的值会降低抗混叠效果，但也降低一些最高频率。 (默认值：0.99)

• beta (float 或 None, 可选) – 用于凯泽窗的形状参数。

• 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，则使用 torch.float64 计算内核，然后缓存为 torch.float32。如果您需要更高的精度，请提供 torch.float64，预先计算的内核将被计算并缓存为 torch.float64。如果您使用较低精度的重采样，那么不要提供此参数，而是使用 Resample.to(dtype)，以便内核生成仍然在 torch.float64 上进行。

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) – 维度为 (…, time) 的音频张量。

返回：

输出信号维度为 (…, 时间)。

返回类型:

张量