MFCC

class torchaudio.transforms.MFCC(sample_rate: int = 16000, n_mfcc: int = 40, dct_type: int = 2, norm: str = 'ortho', log_mels: bool = False, melkwargs: Optional[dict] = None)

從音訊訊號建立梅爾頻率倒譜系數。

預設情況下，這會在 DB 縮放的梅爾譜圖上計算 MFCC。這並非教科書上的實現，但在此實現是為了與 librosa 保持一致性。

該輸出取決於輸入譜圖中的最大值，因此對於分割成片段的音訊剪輯與完整的音訊剪輯，可能會返回不同的值。

引數:

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

• n_mfcc (int, 可選) – 要保留的 mfc 係數數量。(預設值: 40)

• dct_type (int, 可選) – 要使用的 DCT（離散餘弦變換）型別。(預設值: 2)

• norm (str, 可選) – 要使用的範數。(預設值: "ortho")

• log_mels (bool, 可選) – 是否使用對數梅爾譜圖而不是 db 縮放的譜圖。(預設值: False)

• melkwargs (dict 或 None, 可選) – MelSpectrogram 的引數。(預設值: None)

示例

>>> waveform, sample_rate = torchaudio.load("test.wav", normalize=True)
>>> transform = transforms.MFCC(
>>>     sample_rate=sample_rate,
>>>     n_mfcc=13,
>>>     melkwargs={"n_fft": 400, "hop_length": 160, "n_mels": 23, "center": False},
>>> )
>>> mfcc = transform(waveform)

另請參閱

torchaudio.functional.melscale_fbanks() - 用於生成濾波器組的函式。

使用 MFCC 的教程

音訊特徵提取

音訊特徵提取

forward(waveform: Tensor) → Tensor

引數:

waveform (Tensor) – 維度為 (…, time) 的音訊張量。

返回值:

大小為 (…, n_mfcc, time) 的 specgram_mel_db。

返回型別:

Tensor