torchaudio.functional.compute_deltas

torchaudio.functional.compute_deltas(specgram: Tensor, win_length: int = 5, mode: str = 'replicate') → Tensor

計算張量的 delta 係數，通常是頻譜圖

\[d_t = \frac{\sum_{n=1}^{\text{N}} n (c_{t+n} - c_{t-n})}{2 \sum_{n=1}^{\text{N}} n^2} \]

其中 \(d_t\) 是時間 \(t\) 的 delta 值，\(c_t\) 是時間 \(t\) 的頻譜圖係數，\(N\) 是 (win_length-1)//2。

參數:

• specgram (Tensor) – 音訊張量，維度為 (…, freq, time)

• win_length (int, optional) – 用於計算 delta 的視窗長度 (預設值：5)

• mode (str, optional) – 傳遞給 padding 的 mode 參數 (預設值："replicate")

返回:

delta 張量，維度為 (…, freq, time)

返回類型:

Tensor

範例

>>> specgram = torch.randn(1, 40, 1000)
>>> delta = compute_deltas(specgram)
>>> delta2 = compute_deltas(delta)