SlidingWindowCmn

class torchaudio.transforms.SlidingWindowCmn(cmn_window: int = 600, min_cmn_window: int = 100, center: bool = False, norm_vars: bool = False)

对每个 utterance 应用滑动窗口倒谱均值（以及可选的方差）归一化。

参数:

• cmn_window (int, 可选) – 用于运行平均 CMN 计算的窗口帧数（int，默认值 = 600）

• min_cmn_window (int, 可选) – 解码开始时使用的最小 CMN 窗口（仅在开始时增加延迟）。仅当 center == false 时适用，如果 center==true 则忽略（int，默认值 = 100）

• center (bool, 可选) – 如果为 true，则使用以当前帧为中心的窗口（在可能的范围内，模末端效应）。如果为 false，则窗口位于左侧。（bool，默认值 = false）

• norm_vars (bool, 可选) – 如果为 true，则将方差归一化为 1。（bool，默认值 = false）

示例

>>> waveform, sample_rate = torchaudio.load("test.wav", normalize=True)
>>> transform = transforms.SlidingWindowCmn(cmn_window=1000)
>>> cmn_waveform = transform(waveform)

forward(specgram: Tensor) → Tensor

参数:

specgram (Tensor) – 维度为 (…, time, freq) 的频谱图 Tensor。

返回:

维度为 (…, time, freq) 的频谱图 Tensor。

返回类型:

Tensor