BarkSpectrogram

class torchaudio.prototype.transforms.BarkSpectrogram(sample_rate: int = 16000, n_fft: int = 400, win_length: ~typing.Optional[int] = None, hop_length: ~typing.Optional[int] = None, f_min: float = 0.0, f_max: ~typing.Optional[float] = None, pad: int = 0, n_barks: int = 128, window_fn: ~typing.Callable[[...], ~torch.Tensor] = <built-in method hann_window of type object>, power: float = 2.0, normalized: bool = False, wkwargs: ~typing.Optional[dict] = None, center: bool = True, pad_mode: str = 'reflect', bark_scale: str = 'traunmuller')

已弃用

警告

此类已从 2.8 版本弃用。它将在 2.9 版本中删除。此弃用是庞大重构工作的一部分，旨在将 TorchAudio 转型为维护阶段。有关更多信息，请参阅 https://github.com/pytorch/audio/issues/3902。

为原始音频信号创建 BarkSpectrogram。

这是 torchaudio.transforms.Spectrogram() 和 torchaudio.transforms.BarkScale() 的组合。

来源

• https://www.fon.hum.uva.nl/praat/manual/BarkSpectrogram.html

• Traunmüller, Hartmut. “Analytical Expressions for the Tonotopic Sensory Scale.” Journal of the Acoustical

• Society of America. Vol. 88, Issue 1, 1990, pp. 97–100.

• https://ccrma.stanford.edu/courses/120-fall-2003/lecture-5.html

参数 (Args)

sample_rate (int, optional): 音频信号的采样率。(默认：16000) n_fft (int, optional): FFT 的大小，创建 n_fft // 2 + 1 个 bin。(默认：400) win_length (int 或 None, optional): 窗口大小。(默认：n_fft) hop_length (int 或 None, optional): STFT 窗口之间的跳跃长度。(默认：win_length // 2) f_min (float, optional): 最小频率。(默认：0.) f_max (float 或 None, optional): 最大频率。(默认：None) pad (int, optional): 信号的双边填充。(默认：0) n_mels (int, optional): Мел滤波器组的数量。(默认：128) window_fn (Callable[…, torch.Tensor], optional): 用于创建窗口张量的函数

应用于/乘在每个帧/窗口上。(默认：torch.hann_window)

power (float, optional): the magnitude spectrogram 的指数，

(必须 > 0) 例如，1 表示能量，2 表示功率，等等。(默认：2)

normalized (bool, optional): 是否在 stft 后按幅度进行归一化。(默认：False) wkwargs (Dict[…, …] 或 None, optional): 窗口函数的参数。(默认：None) center (bool, optional): 是否在两边填充 waveform

以便第 \(t\) 帧位于时间 \(t \times \text{hop\_length}\) 处。(默认：True)

pad_mode (string, optional): 当

center 为 True 时，控制所使用的填充方法。(默认："reflect")

bark_scale (str, optional): 使用的刻度：traunmuller、schroeder 或 wang。(默认：traunmuller)

示例

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

另请参阅

torchaudio.functional.melscale_fbanks() - 用于生成滤波器组的函数。

forward(waveform: Tensor) → Tensor

参数

waveform (torch.Tensor) – 形状为 (..., time) 的音频张量。

返回

Bark 频率频谱，形状为 (..., n_barks, time)。

返回类型

torch.Tensor