ChromaScale

class torchaudio.prototype.transforms.ChromaScale(sample_rate: int, n_freqs: int, *, n_chroma: int = 12, tuning: float = 0.0, ctroct: float = 5.0, octwidth: Optional[float] = 2.0, norm: int = 2, base_c: bool = True)

將頻譜圖轉換為色度圖 (chromagram)。

引數：

• sample_rate (int) – 音訊訊號的取樣率。

• n_freqs (int) – STFT 中的頻率 bin 數量。請參閱 Spectrogram 中的 n_fft。

• n_chroma (int, optional) – 色度數量。(預設值: 12)

• tuning (float, optional) – A440 音高在色度 bin 分數上的調音偏差。(預設值: 0.0)

• ctroct (float, optional) – 用於對濾波器加權的 Gaussian 優勢視窗的中心，以八度為單位。(預設值: 5.0)

• octwidth (float 或 None, optional) – 用於對濾波器加權的 Gaussian 優勢視窗的寬度，以八度為單位。如果為 None，則完全停用加權。(預設值: 2.0)

• norm (int, optional) – 用於歸一化濾波器組的範數階數。(預設值: 2)

• base_c (bool, optional) – 如果為 True，則濾波器組從 C 開始。否則從 A 開始。(預設值: True)

示例

>>> waveform, sample_rate = torchaudio.load("test.wav", normalize=True)
>>> spectrogram_transform = transforms.Spectrogram(n_fft=1024)
>>> spectrogram = spectrogram_transform(waveform)
>>> chroma_transform = transforms.ChromaScale(sample_rate=sample_rate, n_freqs=1024 // 2 + 1)
>>> chroma_spectrogram = chroma_transform(spectrogram)

另請參閱

torchaudio.prototype.functional.chroma_filterbank() — 用於生成濾波器組的函式。

forward(x: Tensor) → Tensor

引數：

specgram (torch.Tensor) – 維度為 (…, n_freqs, 時間) 的頻譜圖。

返回：

大小為 (…, n_chroma, 時間) 的色度頻譜圖。

返回型別：

torch.Tensor