捷徑

torchaudio.functional.resample

torchaudio.functional.resample(waveform: Tensor, orig_freq: int, new_freq: int, lowpass_filter_width: int = 6, rolloff: float = 0.99, resampling_method: str = 'sinc_interp_hann', beta: Optional[float] = None) Tensor[原始碼]

使用帶限插值法,以新的頻率對波形進行重新取樣。 [Smith, 2020]

This feature supports the following devices: CPU, CUDA This API supports the following properties: Autograd, TorchScript

注意

transforms.Resample 預先計算並重複使用重新取樣核心,因此如果使用相同的重新取樣參數重新取樣多個波形,使用它可以提高計算效率。

參數:
  • waveform (Tensor) – 維度為 (…, time) 的輸入訊號

  • orig_freq (int) – 訊號的原始頻率

  • new_freq (int) – 期望的頻率

  • lowpass_filter_width (int, optional) – 控制濾波器的銳利度,數值越大,效果越銳利,但效率越低。(預設值:6

  • rolloff (float, optional) – 濾波器的滾降頻率,表示為奈奎斯特頻率的一部分。 較低的值會減少抗鋸齒,但也會減少一些最高頻率。(預設值:0.99

  • resampling_method (str, optional) – 要使用的重新取樣方法。選項:["sinc_interp_hann", "sinc_interp_kaiser"] (預設值:"sinc_interp_hann"

  • beta (float or None, optional) – 用於 kaiser 視窗的形狀參數。

返回:

新的頻率的波形,維度為 (…, time).

返回類型:

Tensor

使用 resample 的教學
Speech Recognition with Wav2Vec2

使用 Wav2Vec2 進行語音辨識

使用 Wav2Vec2 進行語音辨識
Torchaudio-Squim: Non-intrusive Speech Assessment in TorchAudio

Torchaudio-Squim:TorchAudio 中的非侵入式語音評估

Torchaudio-Squim:TorchAudio 中的非侵入式語音評估
Audio Feature Extractions

音訊特徵提取

音訊特徵提取
ASR Inference with CTC Decoder

使用 CTC 解碼器的 ASR 推論

使用 CTC 解碼器的 ASR 推論
Audio Resampling

音訊重新取樣

音訊重新取樣

文件

取得 PyTorch 的完整開發者文件

檢視文件

教學

取得適用於初學者和進階開發人員的深入教學課程

檢視教學課程

資源

尋找開發資源並取得您的問題解答

檢視資源