torchaudio.functional.melscale_fbanks

torchaudio.functional.melscale_fbanks(n_freqs: int, f_min: float, f_max: float, n_mels: int, sample_rate: int, norm: Optional[str] = None, mel_scale: str = 'htk') → Tensor

建立一個頻率區間轉換矩陣。

注意

為了與 librosa 保持數值相容性，產生的濾波器組並非所有係數的幅度都為 1。

參數:

• n_freqs (int) – 要突出顯示/應用的頻率數量

• f_min (float) – 最小頻率 (Hz)

• f_max (float) – 最大頻率 (Hz)

• n_mels (int) – Mel 濾波器組的數量

• sample_rate (int) – 音訊波形的取樣率

• norm (str or None, optional) – 若為 “slaney”，則將三角形 mel 權重除以 mel 頻帶的寬度（面積正規化）。（預設值：None）

• mel_scale (str, optional) – 要使用的縮放比例：htk 或 slaney。（預設值：htk）

回傳值:

大小為 (n_freqs, n_mels) 的三角形濾波器組 (fb 矩陣)，表示要突出顯示/應用於 x 的頻率數量，以及濾波器組的數量。 每列都是一個濾波器組，因此假設有一個大小為 (…, n_freqs) 的矩陣 A，則應用結果將為 A @ melscale_fbanks(A.size(-1), ...)。

回傳類型:

Tensor

使用 melscale_fbanks 的教學

音訊特徵提取

音訊特徵提取