GriffinLim

class torchaudio.transforms.GriffinLim(n_fft: int = 400, n_iter: int = 32, win_length: ~typing.Optional[int] = None, hop_length: ~typing.Optional[int] = None, window_fn: ~typing.Callable[[...], ~torch.Tensor] = <built-in method hann_window of type object>, power: float = 2.0, wkwargs: ~typing.Optional[dict] = None, momentum: float = 0.99, length: ~typing.Optional[int] = None, rand_init: bool = True)

使用 Griffin-Lim 变换从线性幅度频谱图计算波形。

实现移植自 librosa [Brian McFee et al., 2015]，A fast Griffin-Lim algorithm [Perraudin et al., 2013] 和 Signal estimation from modified short-time Fourier transform [Griffin and Lim, 1983]。

参数

• n_fft (int, optional) – FFT 的大小，创建 n_fft // 2 + 1 个 bin。 (默认: 400)

• n_iter (int, optional) – 相位恢复过程的迭代次数。 (默认: 32)

• 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)

• window_fn (Callable[..., Tensor], optional) – 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)

• power (float, optional) – 幅度谱的指数，（必须大于 0）例如，1 表示幅度，2 表示功率，依此类推。 (默认: 2)

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

• momentum (float, optional) – 快速 Griffin-Lim 的动量参数。将其设置为 0 可恢复原始的 Griffin-Lim 方法。接近 1 的值可能导致收敛加快，但大于 1 可能无法收敛。 (默认: 0.99)

• length (int, optional) – 预期输出的数组长度。 (默认: None)

• rand_init (bool, optional) – 如果为 True，则随机初始化相位；否则初始化为零。 (默认: True)

示例

>>> batch, freq, time = 2, 257, 100
>>> spectrogram = torch.randn(batch, freq, time)
>>> transform = transforms.GriffinLim(n_fft=512)
>>> waveform = transform(spectrogram)

使用 GriffinLim 的教程

使用 Tacotron2 进行文本到语音转换

使用 Tacotron2 进行文本到语音转换

音频特征提取

音频特征提取

forward(specgram: Tensor) → Tensor

参数

specgram (Tensor) – 一个仅包含幅度的 STFT 谱图，维度为 (..., freq, frames)，其中 freq 为 n_fft // 2 + 1。

返回

波形为 (..., time)，其中 time 等于提供的 length 参数（如果给定）。

返回类型

张量