TimeMasking

class torchaudio.transforms.TimeMasking(time_mask_param: int, iid_masks: bool = False, p: float = 1.0)

在时间域上对频谱图应用掩码。

提出于 SpecAugment [Park et al., 2019]。

参数

• time_mask_param (int) – 掩码的最大可能长度。索引均匀采样自 [0, time_mask_param)。

• iid_masks (bool, optional) – 是否对批次中的每个样本/通道应用不同的掩码。(默认: False) 此选项仅在输入张量 >= 3D 时适用。

• p (float, optional) – 可以被掩码的时间步的最大比例。必须在 [0.0, 1.0] 范围内。(默认: 1.0)

示例

>>> spectrogram = torchaudio.transforms.Spectrogram()
>>> masking = torchaudio.transforms.TimeMasking(time_mask_param=80)
>>>
>>> original = spectrogram(waveform)
>>> masked = masking(original)

使用 TimeMasking 的教程

音频特征增强

音频特征增强