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)

沿时间轴计算每个通道的谱质心。

频谱质心定义为频率值按其幅值加权的平均值。

参数

• sample_rate (int) – 音频信号的采样率。

• n_fft (int, 可选) – FFT的大小，生成 n_fft // 2 + 1 个频段。 (默认: 400)

• win_length (int 或 None, 可选) – 窗口大小。 (默认: n_fft)

• hop_length (int 或 None, 可选) – STFT窗口之间的跳跃长度。 (默认: win_length // 2)

• pad (int, 可选) – 信号的双边填充。 (默认: 0)

• window_fn (Callable[..., Tensor], 可选) – 一个用于创建窗口张量的函数，该张量将被应用于/乘以每个帧/窗口。 (默认: torch.hann_window)

• wkwargs (dict 或 None, 可选) – 窗口函数的参数。 (默认: 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

参数

waveform (Tensor) – 音频张量，维度为 (..., time)。

返回

大小为 (..., time) 的频谱质心。

返回类型

张量