頻譜圖¶
- class torchaudio.transforms.Spectrogram(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>, power: ~typing.Optional[float] = 2.0, normalized: ~typing.Union[bool, str] = False, wkwargs: ~typing.Optional[dict] = None, center: bool = True, pad_mode: str = 'reflect', onesided: bool = True, return_complex: ~typing.Optional[bool] = None)[source]¶
從音訊訊號建立頻譜圖。
- 引數:
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並應用於/乘以每個幀/視窗的函式。（預設值：
torch.hann_window）power (float 或 None, 可選) – 幅度頻譜的指數（必須 > 0），例如 1 表示幅度，2 表示功率等。如果為 None，則返回複數頻譜。（預設值：
2）normalized (bool 或 str, 可選) – 是否在 STFT 後按幅度歸一化。如果輸入是 str，選項為
"window"和"frame_length"，如果需要特定型別的歸一化。True對應於"window"。（預設值：False）wkwargs (dict 或 None, 可選) – 視窗函式的引數。（預設值：
None）center (bool, 可選) – 是否在
waveform的兩側填充，使得第 \(t\) 幀中心位於時間 \(t \times \text{hop\_length}\)。（預設值：True）pad_mode (string, 可選) – 控制當
center為True時使用的填充方法。（預設值："reflect"）onesided (bool, 可選) – 控制是否返回一半結果以避免冗餘（預設值：
True）return_complex (bool, 可選) – 已棄用且未使用。
- 示例
>>> waveform, sample_rate = torchaudio.load("test.wav", normalize=True) >>> transform = torchaudio.transforms.Spectrogram(n_fft=800) >>> spectrogram = transform(waveform)
- 使用
Spectrogram的教程
