ConvTasNet

class torchaudio.models.ConvTasNet(num_sources: int = 2, enc_kernel_size: int = 16, enc_num_feats: int = 512, msk_kernel_size: int = 3, msk_num_feats: int = 128, msk_num_hidden_feats: int = 512, msk_num_layers: int = 8, msk_num_stacks: int = 3, msk_activate: str = 'sigmoid')

Conv-TasNet 架構，於 Conv-TasNet: Surpassing Ideal Time–Frequency Magnitude Masking for Speech Separation [Luo and Mesgarani, 2019] 中提出。

注意

此實作對應於論文中的「非因果 (non-causal)」設定。

另請參閱

• torchaudio.pipelines.SourceSeparationBundle：使用預訓練模型的音源分離管道。

參數:

• num_sources (int, optional) – 要分離的音源數量。

• enc_kernel_size (int, optional) – 編碼器/解碼器的卷積核大小，<L>。

• enc_num_feats (int, optional) – 傳遞給遮罩生成器的特徵維度，<N>。

• msk_kernel_size (int, optional) – 遮罩生成器的卷積核大小，<P>。

• msk_num_feats (int, optional) – 遮罩生成器中 conv 塊的輸入/輸出特徵維度，<B, Sc>。

• msk_num_hidden_feats (int, optional) – 遮罩生成器 conv 塊的內部特徵維度，<H>。

• msk_num_layers (int, optional) – 遮罩生成器的一個 conv 塊中的層數，<X>。

• msk_num_stacks (int, optional) – 遮罩生成器的 conv 塊數量，<R>。

• msk_activate (str, optional) – 遮罩輸出的激活函數 (預設：sigmoid)。

方法

forward

ConvTasNet.forward(input: Tensor) → Tensor

執行音源分離。生成音訊來源波形。

參數:

input (torch.Tensor) – 3D 張量，形狀為 [batch, channel==1, frames]

回傳:

3D 張量，形狀為 [batch, channel==num_sources, frames]

回傳類型:

Tensor (張量)

工廠函數

conv_tasnet_base

建立 ConvTasNet 的非因果版本。