SpeedPerturbation

class torchaudio.transforms.SpeedPerturbation(orig_freq: int, factors: Sequence[float])

应用了Audio augmentation for speech recognition [ Ko et al., 2015 ] 中引入的速度扰动增强。对于给定的输入，该模块从 factors 中均匀随机采样一个加速因子，并以此因子调整输入的语速。

参数

• orig_freq (int) – waveform 中信号的原始频率。

• factors (Sequence[float]) – 用于调整输入语速的因子。大于 1.0 的值会压缩 waveform 的时间，而小于 1.0 的值会拉伸 waveform 的时间。

示例

>>> speed_perturb = SpeedPerturbation(16000, [0.9, 1.1, 1.0, 1.0, 1.0])
>>> # waveform speed will be adjusted by factor 0.9 with 20% probability,
>>> # 1.1 with 20% probability, and 1.0 (i.e. kept the same) with 60% probability.
>>> speed_perturbed_waveform = speed_perturb(waveform, lengths)

forward(waveform: Tensor, lengths: Optional[Tensor] = None) → Tuple[Tensor, Optional[Tensor]]

参数

• waveform (torch.Tensor) – 输入信号，形状为 (…, time)。

• lengths (torch.Tensor 或 None, optional) – waveform 中信号的有效长度，形状为 (...)。如果为 None，则 waveform 中的所有元素都被视为有效。(默认：None)

返回

torch.Tensor

速度调整后的波形，形状为 (…, new_time)。

torch.Tensor 或 None

如果 lengths 不为 None，则为语速调整后的 waveform 中信号的有效长度，形状为 (...)；否则为 None。

返回类型

(torch.Tensor, torch.Tensor 或 None)