频谱图¶
- class torchaudio.transforms.Spectrogram(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>, power: ~typing.Optional[float] = 2.0, normalized: ~typing.Union[bool, str] = False, wkwargs: ~typing.Optional[dict] = None, center: bool = True, pad_mode: str = 'reflect', onesided: bool = True, return_complex: ~typing.Optional[bool] = None)[source]¶
从音频信号创建频谱图。
- 参数:
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并应用于/乘以每个帧/窗口的函数。（默认值：
torch.hann_window）power (float 或 None, 可选) – 幅度频谱的指数（必须 > 0），例如 1 表示幅度，2 表示功率等。如果为 None，则返回复数频谱。（默认值：
2）normalized (bool 或 str, 可选) – 是否在 STFT 后按幅度归一化。如果输入是 str，选项为
"window"和"frame_length"，如果需要特定类型的归一化。True对应于"window"。（默认值：False）wkwargs (dict 或 None, 可选) – 窗口函数的参数。（默认值：
None）center (bool, 可选) – 是否在
waveform的两侧填充，使得第 \(t\) 帧中心位于时间 \(t \times \text{hop\_length}\)。（默认值：True）pad_mode (string, 可选) – 控制当
center为True时使用的填充方法。（默认值："reflect"）onesided (bool, 可选) – 控制是否返回一半结果以避免冗余（默认值：
True）return_complex (bool, 可选) – 已弃用且未使用。
- 示例
>>> waveform, sample_rate = torchaudio.load("test.wav", normalize=True) >>> transform = torchaudio.transforms.Spectrogram(n_fft=800) >>> spectrogram = transform(waveform)
- 使用
Spectrogram的教程
