MFCC

class torchaudio.transforms.MFCC(sample_rate: int = 16000, n_mfcc: int = 40, dct_type: int = 2, norm: str = 'ortho', log_mels: bool = False, melkwargs: Optional[dict] = None)

從音訊訊號建立梅爾頻率倒譜係數 (Mel-frequency cepstrum coefficients)。

預設情況下，此函式會在 DB 尺度的梅爾頻譜圖上計算 MFCC。 這不是教科書上的實作，但此處的實作是為了與 librosa 保持一致。

此輸出取決於輸入頻譜圖中的最大值，因此對於分割成片段的音訊剪輯與完整的音訊剪輯，可能會傳回不同的值。

參數:

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

• n_mfcc (int, optional) – 要保留的 mfc 係數數量。(預設: 40)

• dct_type (int, optional) – 要使用的 DCT (離散餘弦轉換) 類型。(預設: 2)

• norm (str, optional) – 要使用的範數。(預設: "ortho")

• log_mels (bool, optional) – 是否使用 log-mel 頻譜圖而不是 db 尺度的頻譜圖。(預設: False)

• melkwargs (dict or None, optional) – MelSpectrogram 的引數。(預設: None)

範例

>>> waveform, sample_rate = torchaudio.load("test.wav", normalize=True)
>>> transform = transforms.MFCC(
>>>     sample_rate=sample_rate,
>>>     n_mfcc=13,
>>>     melkwargs={"n_fft": 400, "hop_length": 160, "n_mels": 23, "center": False},
>>> )
>>> mfcc = transform(waveform)

另請參閱

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

使用 MFCC 的教學課程

音訊特徵提取

音訊特徵提取

forward(waveform: Tensor) → Tensor

參數:

waveform (Tensor) – 音訊張量，維度為 (…, 時間)。

傳回:

大小為 (…, n_mfcc, 時間) 的 specgram_mel_db。

傳回類型:

Tensor