SpectralCentroid

class torchaudio.transforms.SpectralCentroid(sample_rate: int, n_fft: int = 400, win_length: ~typing.Optional[int] = None, hop_length: ~typing.Optional[int] = None, pad: int = 0, window_fn: ~typing.Callable[[...], ~torch.Tensor] = <built-in method hann_window of type object>, wkwargs: ~typing.Optional[dict] = None)

計算沿時間軸的每個通道的頻譜質心。

頻譜質心被定義為頻率值的加權平均值，權重為其幅度。

引數:

• sample_rate (int) – 音訊訊號的取樣率。

• n_fft (int, 可選) – FFT 大小，建立 n_fft // 2 + 1 個 bin。(預設值: 400)

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

• hop_length (int 或 None, 可選) – STFT 視窗之間的跳躍長度。(預設值: win_length // 2)

• pad (int, 可選) – 訊號的兩側填充。(預設值: 0)

• window_fn (Callable[..., Tensor], 可選) – 一個用於建立視窗張量的函式，該張量應用於/乘以每個幀/視窗。(預設值: torch.hann_window)

• wkwargs (dict 或 None, 可選) – 視窗函式的引數。(預設值: None)

示例

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

forward(waveform: Tensor) → Tensor

引數:

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

返回:

頻譜質心，大小為 (…, time)。

返回型別:

Tensor