時間掩碼

class torchaudio.transforms.TimeMasking(time_mask_param: int, iid_masks: bool = False, p: float = 1.0)

對頻譜圖應用時域掩蔽。

在 SpecAugment 中提出 [Park 等, 2019]。

引數：

• time_mask_param (int) – 掩碼的最大可能長度。索引從 [0, time_mask_param) 中均勻取樣。

• iid_masks (bool, 可選) – 是否對批次中的每個樣本/通道應用不同的掩碼。(預設值: False) 此選項僅適用於輸入張量維度 >= 3 的情況。

• p (float, 可選) – 可被掩蔽的時間步的最大比例。必須在 [0.0, 1.0] 範圍內。(預設值: 1.0)

示例

>>> spectrogram = torchaudio.transforms.Spectrogram()
>>> masking = torchaudio.transforms.TimeMasking(time_mask_param=80)
>>>
>>> original = spectrogram(waveform)
>>> masked = masking(original)

使用 TimeMasking 的教程

音訊特徵增強

音訊特徵增強