torchaudio.functional.spectrogram

torchaudio.functional.spectrogram(waveform: Tensor, pad: int, window: Tensor, n_fft: int, hop_length: int, win_length: int, power: Optional[float], normalized: Union[bool, str], center: bool = True, pad_mode: str = 'reflect', onesided: bool = True, return_complex: Optional[bool] = None) → Tensor

從原始音訊訊號建立頻譜圖或一批頻譜圖。頻譜圖可以是僅包含幅度，也可以是複數形式。

引數：

• waveform (Tensor) – 維度為 (…, time) 的音訊 Tensor

• pad (int) – 訊號的兩側填充

• window (Tensor) – 應用/乘以每個幀/視窗的視窗 Tensor

• n_fft (int) – FFT 大小

• hop_length (int) – STFT 視窗之間的跳躍長度

• win_length (int) – 視窗大小

• power (float or None) – 幅度頻譜圖的指數（必須 > 0），例如，1 表示幅度，2 表示功率等。如果為 None，則返回複數頻譜。

• normalized (bool or str) – 是否在 STFT 後按幅度歸一化。如果輸入是字串，選項包括 "window" 和 "frame_length"，如果需要特定的歸一化型別。True 對映到 "window"。當在 "window" 上歸一化時，波形根據視窗的 L2 能量進行歸一化。如果在 "frame_length" 上歸一化，波形則透過除以 \((\text{frame\_length})^{0.5}\) 進行歸一化。

• center (bool, optional) – 是否在 waveform 兩側填充，使得第 \(t\) 幀的時間中心位於 \(t \times \text{hop\_length}\) 處。預設值：True

• pad_mode (string, optional) – 控制當 center 為 True 時使用的填充方法。預設值："reflect"

• onesided (bool, optional) – 控制是否返回一半結果以避免冗餘。預設值：True

• return_complex (bool, optional) – 已棄用且未使用。

返回值：

維度 (…, freq, time)，其中 freq 為 n_fft // 2 + 1 且 n_fft 是傅立葉 bin 的數量，time 是視窗跳躍次數 (n_frame)。

返回型別：

Tensor