SpectralCentroid

class torchaudio.transforms.SpectralCentroid(sample_rate: int, n_fft: int = 400, win_length: ~typing.Optional[int] = None, hop_length: ~typing.Optional[int] = None, pad: int = 0, window_fn: ~typing.Callable[[...], ~torch.Tensor] = <built-in method hann_window of type object>, wkwargs: ~typing.Optional[dict] = None)

计算沿时间轴的每个通道的频谱质心。

频谱质心被定义为频率值的加权平均值，权重为其幅度。

参数:

• sample_rate (int) – 音频信号的采样率。

• n_fft (int, 可选) – FFT 大小，创建 n_fft // 2 + 1 个 bin。(默认值: 400)

• win_length (int 或 None, 可选) – 窗口大小。(默认值: n_fft)

• hop_length (int 或 None, 可选) – STFT 窗口之间的跳跃长度。(默认值: win_length // 2)

• pad (int, 可选) – 信号的两侧填充。(默认值: 0)

• window_fn (Callable[..., Tensor], 可选) – 一个用于创建窗口张量的函数，该张量应用于/乘以每个帧/窗口。(默认值: torch.hann_window)

• wkwargs (dict 或 None, 可选) – 窗口函数的参数。(默认值: None)

示例

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

forward(waveform: Tensor) → Tensor

参数:

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

返回:

频谱质心，大小为 (…, time)。

返回类型:

Tensor