PitchShift

class torchaudio.transforms.PitchShift(sample_rate: int, n_steps:: int, bins_per_octave: int = 12, n_fft: int = 512, win_length: ~typing.Optional[int] = None, hop_length: ~typing.Optional[int] = None, window_fn: ~typing.Callable[[...], ~torch.Tensor] = <built-in method hann_window of type object>, wkwargs: ~typing.Optional[dict] = None)

將波形音高移動 n_steps 步。

引數:

• waveform (Tensor) – 輸入波形，形狀為 (…, time)。

• sample_rate (int) – 波形的取樣率 waveform。

• n_steps (int) – 移動波形 waveform 的（分數）步數。

• bins_per_octave (int, 可選) – 每倍頻程的步數（預設值：12）。

• n_fft (int, 可選) – FFT 大小，建立 n_fft // 2 + 1 個 bin（預設值：512）。

• win_length (int 或 None, 可選) – 視窗大小。如果為 None，則使用 n_fft。（預設值：None）。

• hop_length (int 或 None, 可選) – STFT 視窗之間的跳躍長度。如果為 None，則使用 win_length // 4（預設值：None）。

• window (Tensor 或 None, 可選) – 應用/乘以每個幀/視窗的視窗張量。如果為 None，則使用 torch.hann_window(win_length)（預設值：None）。

示例

>>> waveform, sample_rate = torchaudio.load("test.wav", normalize=True)
>>> transform = transforms.PitchShift(sample_rate, 4)
>>> waveform_shift = transform(waveform)  # (channel, time)

initialize_parameters(input)

根據輸入批次的屬性初始化引數。

這增加了一個介面，用於在進行引數形狀推斷時將引數初始化與前向傳播隔離開來。

forward(waveform: Tensor) → Tensor

引數:

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

返回:

音高已移動的音訊，形狀為 (…, time)。

返回型別:

Tensor