梅爾譜圖¶
- class torchaudio.transforms.MelSpectrogram(sample_rate: int = 16000, n_fft: int = 400, win_length: ~typing.Optional[int] = None, hop_length: ~typing.Optional[int] = None, f_min: float = 0.0, f_max: ~typing.Optional[float] = None, pad: int = 0, n_mels: int = 128, window_fn: ~typing.Callable[[...], ~torch.Tensor] = <built-in method hann_window of type object>, power: float = 2.0, normalized: bool = False, wkwargs: ~typing.Optional[dict] = None, center: bool = True, pad_mode: str = 'reflect', onesided: ~typing.Optional[bool] = None, norm: ~typing.Optional[str] = None, mel_scale: str = 'htk')[source]¶
為原始音訊訊號建立 MelSpectrogram。
這是
torchaudio.transforms.Spectrogram()和torchaudio.transforms.MelScale()的組合。- 來源
- 引數:
sample_rate (整型, 可選) – 音訊訊號的取樣率。(預設值:
16000)n_fft (整型, 可選) – FFT 的大小，建立
n_fft // 2 + 1個 bin。(預設值:400)win_length (整型 或 None, 可選) – 視窗大小。(預設值:
n_fft)hop_length (整型 或 None, 可選) – STFT 視窗之間的跳躍長度。(預設值:
win_length // 2)f_min (浮點型, 可選) – 最小頻率。(預設值:
0.)f_max (浮點型 或 None, 可選) – 最大頻率。(預設值:
None)pad (整型, 可選) – 訊號的兩側填充。(預設值:
0)n_mels (整型, 可選) – 梅爾濾波器組的數量。(預設值:
128)window_fn (可呼叫物件[..., 張量], 可選) – 用於建立視窗張量的函式，該張量將應用於/乘以每個幀/視窗。(預設值:
torch.hann_window)power (浮點型, 可選) – 幅度譜的指數（必須 > 0），例如，1 表示幅度，2 表示功率等。(預設值:
2)normalized (布林型, 可選) – 是否在 STFT 後按幅度歸一化。(預設值:
False)wkwargs (Dict[..., ...] 或 None, 可選) – 視窗函式的引數。(預設值:
None)center (布林型, 可選) – 是否在
waveform兩側填充，以便第 \(t\) 個幀居中於時間 \(t \times \text{hop\_length}\)。(預設值:True)pad_mode (字串, 可選) – 控制當
center為True時使用的填充方法。(預設值:"reflect")onesided – 已棄用且未使用。
norm (字串 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 (字串, 可選) – 要使用的標度：
htk或slaney。(預設值:htk)
- 示例
>>> waveform, sample_rate = torchaudio.load("test.wav", normalize=True) >>> transform = transforms.MelSpectrogram(sample_rate) >>> mel_specgram = transform(waveform) # (channel, n_mels, time)
另請參閱
torchaudio.functional.melscale_fbanks()- 用於生成濾波器組的函式。- 使用
MelSpectrogram的教程
