InverseMelScale

class torchaudio.transforms.InverseMelScale(n_stft: int, n_mels: int = 128, sample_rate: int = 16000, f_min: float = 0.0, f_max: Optional[float] = None, norm: Optional[str] = None, mel_scale: str = 'htk', driver: str = 'gels')

從梅爾頻率域估計正常頻率域的 STFT。

它透過使用 torch.linalg.lstsq 最小化輸入梅爾頻譜圖與估計頻譜圖和濾波器組乘積之間的歐幾里得範數。

引數:

• n_stft (int) – STFT 中的 bin 數量。參見 Spectrogram 中的 n_fft。

• n_mels (int, 可選) – 梅爾濾波器組的數量。(預設值: 128)

• sample_rate (int, 可選) – 音訊訊號的取樣率。(預設值: 16000)

• f_min (float, 可選) – 最小頻率。(預設值: 0.)

• f_max (float 或 None, 可選) – 最大頻率。(預設值: sample_rate // 2)

• norm (str 或 None, 可選) – 如果為 “slaney”，則將三角形梅爾權重除以梅爾頻帶的寬度（面積歸一化）。(預設值: None)

• mel_scale (str, 可選) – 使用的尺度: htk 或 slaney。(預設值: htk)

• driver (str, 可選) – 用於 torch.lstsq 的 LAPACK/MAGMA 方法名稱。對於 CPU 輸入，有效值有 "gels"、"gelsy"、"gelsd"、"gelss"。對於 CUDA 輸入，唯一有效的驅動程式是 "gels"，它假定 A 是滿秩的。(預設值: "gels)

示例

>>> waveform, sample_rate = torchaudio.load("test.wav", normalize=True)
>>> mel_spectrogram_transform = transforms.MelSpectrogram(sample_rate, n_fft=1024)
>>> mel_spectrogram = mel_spectrogram_transform(waveform)
>>> inverse_melscale_transform = transforms.InverseMelScale(n_stft=1024 // 2 + 1)
>>> spectrogram = inverse_melscale_transform(mel_spectrogram)

forward(melspec: Tensor) → Tensor

引數:

melspec (Tensor) – 維度為 (…, n_mels, time) 的梅爾頻率頻譜圖

返回值:

大小為 (…, freq, time) 的線性尺度頻譜圖

返回型別:

Tensor