滑动窗口CMN

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

对每个话语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) – 用于计算运行平均 CMN 的帧窗口 (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（尽可能，考虑末端效应）。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 (…, 时间, 频率) 的语谱图 Tensor。

返回:

维度为 (…, 时间, 频率) 的语谱图 Tensor。

返回类型:

Tensor