MelSpectrogram¶
- class torchaudio.transforms.MelSpectrogram(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_mels: 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', onesided: ~typing.Optional[bool] = None, norm: ~typing.Optional[str] = None, mel_scale: str = 'htk')[源码]¶
为原始音频信号创建 MelSpectrogram。
这是
torchaudio.transforms.Spectrogram()和torchaudio.transforms.MelScale()的组合。- 来源
- 参数
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个频段。(默认:400)win_length (int 或 None, optional) – 窗口大小。(默认:
n_fft)hop_length (int 或 None, optional) – STFT 窗口之间的步长。(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) – 信号的双侧填充。(默认:
0)n_mels (int, optional) – 默尔滤波器组的数量。(默认:
128)window_fn (Callable[..., Tensor], optional) – 用于创建应用于/乘以每个帧/窗口的窗口张量的函数。(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 表示功率等。(默认:
2)normalized (bool, optional) – STFT 后是否按幅度进行归一化。(默认:
False)wkwargs (Dict[..., ...] 或 None, optional) – 窗口函数的参数。(默认:
None)center (bool, optional) – 是否在
waveform的两侧进行填充，以便第 \(t\) 帧以时间 \(t \times \text{hop\_length}\) 为中心。(默认:True)pad_mode (string, optional) – 当
center为True时，控制使用的填充方法。(默认:"reflect")onesided – 已弃用且未使用。
norm (str 或 None, optional) – 如果为“slaney”，则将三角默尔权重除以默尔频带的宽度（面积归一化）。(默认:
None)mel_scale (str, optional) – 使用的比例：
htk或slaney。(默认:htk)
- 示例
>>> waveform, sample_rate = torchaudio.load("test.wav", normalize=True) >>> transform = transforms.MelSpectrogram(sample_rate) >>> mel_specgram = transform(waveform) # (channel, n_mels, time)
另请参阅
torchaudio.functional.melscale_fbanks()- 用于生成滤波器组的函数。- 使用
MelSpectrogram的教程
