MelScale

class torchaudio.transforms.MelScale(n_mels: int = 128, sample_rate: int = 16000, f_min: float = 0.0, f_max: Optional[float] = None, n_stft: int = 201, norm: Optional[str] = None, mel_scale: str = 'htk')

將普通的 STFT 轉換為使用三角濾波器組的梅爾頻率 STFT。

引數：

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

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

• f_min (float, optional) – 最小頻率。(預設值: 0.)

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

• n_stft (int, optional) – STFT 中的 bin 數量。參見 Spectrogram 中的 n_fft。(預設值: 201)

• norm (str or None, optional) – 如果是 "slaney"，則將三角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, optional) – 使用的尺度: htk 或 slaney。(預設值: htk)

示例

>>> waveform, sample_rate = torchaudio.load("test.wav", normalize=True)
>>> spectrogram_transform = transforms.Spectrogram(n_fft=1024)
>>> spectrogram = spectrogram_transform(waveform)
>>> melscale_transform = transforms.MelScale(sample_rate=sample_rate, n_stft=1024 // 2 + 1)
>>> melscale_spectrogram = melscale_transform(spectrogram)

另請參閱

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

forward(specgram: Tensor) → Tensor

引數：

specgram (Tensor) – 維度為 (…, 頻率, 時間) 的 STFT 頻譜圖。

返回值：

梅爾頻率頻譜圖，大小為 (…, n_mels, 時間)。

返回型別：

Tensor