BarkScale

class torchaudio.prototype.transforms.BarkScale(n_barks: int = 128, sample_rate: int = 16000, f_min: float = 0.0, f_max: Optional[float] = None, n_stft: int = 201, bark_scale: str = 'traunmuller')

將一般的 STFT 轉換為具有三角形濾波器的 Bark 頻率 STFT。

參數:

• n_barks (int, optional) – Bark 濾波器組的數量。(預設: 128)

• sample_rate (int, optional) – 音訊訊號的取樣率。(預設: 16000)

• f_min (float, optional) – 最小頻率。(預設: 0.0)

• f_max (float 或 None, optional) – 最大頻率。(預設: sample_rate // 2)

• n_stft (int, optional) – STFT 中的 bin 數量。請參閱 Spectrogram 中的 n_fft。(預設: 201)

• norm (str 或 None, optional) – 如果為 "slaney"，則將三角形 Bark 權重除以 Bark 頻帶的寬度（面積正規化）。(預設: None)

• bark_scale (str, optional) – 要使用的比例：traunmuller、schroeder 或 wang。(預設: traunmuller)

範例

>>> waveform, sample_rate = torchaudio.load("test.wav", normalize=True)
>>> spectrogram_transform = transforms.Spectrogram(n_fft=1024)
>>> spectrogram = spectrogram_transform(waveform)
>>> barkscale_transform = transforms.BarkScale(sample_rate=sample_rate, n_stft=1024 // 2 + 1)
>>> barkscale_spectrogram = barkscale_transform(spectrogram)

另請參閱

torchaudio.prototype.functional.barkscale_fbanks() - 用於產生濾波器組的函式。

forward(specgram: Tensor) → Tensor

參數:

specgram (torch.Tensor) – 維度為 (…, freq, time) 的 spectrogram STFT。

返回:

大小為 (…, n_barks, time) 的 Bark 頻率 spectrogram。

返回類型:

torch.Tensor