TimeStretch

class torchaudio.transforms.TimeStretch(hop_length: Optional[int] = None, n_freq: int = 201, fixed_rate: Optional[float] = None)

以給定速率拉伸時域短時傅立葉變換 (stft)，不改變音高。

提出於 SpecAugment [Park 等人, 2019]。

引數:

• hop_length (int 或 None, 可選) – STFT 視窗之間的跳躍長度。（預設值：n_fft // 2，其中 n_fft == (n_freq - 1) * 2）

• n_freq (int, 可選) – 來自 stft 的濾波器組數量。（預設值：201）

• fixed_rate (float 或 None, 可選) – 應用於加速或減速的速率。如果提供 None，則必須將 rate 傳遞給 forward 方法。（預設值：None）

注意

期望的輸入是原始的、複數值的頻譜圖。

示例

>>> spectrogram = torchaudio.transforms.Spectrogram(power=None)
>>> stretch = torchaudio.transforms.TimeStretch()
>>>
>>> original = spectrogram(waveform)
>>> stretched_1_2 = stretch(original, 1.2)
>>> stretched_0_9 = stretch(original, 0.9)

使用 TimeStretch 的教程

音訊特徵增強

音訊特徵增強

forward(complex_specgrams: Tensor, overriding_rate: Optional[float] = None) → Tensor

引數:

• complex_specgrams (Tensor) – 一個維度為 (…, freq, num_frame) 且 dtype 為複數的張量。

• overriding_rate (float 或 None, 可選) – 應用於此批次的加速速率。如果未傳遞速率，則使用 self.fixed_rate。（預設值：None）

返回值:

拉伸後的頻譜圖。結果張量的複數 dtype 與輸入頻譜圖對應，幀數變為 ceil(num_frame / rate)。

返回型別:

Tensor