重新取樣

class torchaudio.transforms.Resample(orig_freq: int = 16000, new_freq: int = 16000, resampling_method: str = 'sinc_interp_hann', lowpass_filter_width: int = 6, rolloff: float = 0.99, beta: Optional[float] = None, *, dtype: Optional[dtype] = None)

將訊號從一個頻率重新取樣到另一個頻率。可以指定重新取樣方法。

注意

如果在高於 float32 精度的波形上進行重新取樣，可能會有一些精度損失，因為核心 (kernel) 會被快取為 float32 一次。如果高精度重新取樣對您的應用程式很重要，則使用函數形式會保留更高的精度，但運行速度會較慢，因為它不會快取核心。或者，您可以重寫一個轉換，以快取更高精度的核心。

參數:

• orig_freq (int, optional) – 訊號的原始頻率。(預設值: 16000)

• new_freq (int, optional) – 期望的頻率。(預設值: 16000)

• 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")

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

• rolloff (float, optional) – 濾波器的滾降頻率 (roll-off frequency)，以奈奎斯特頻率 (Nyquist frequency) 的分數表示。較低的值會減少反鋸齒 (anti-aliasing)，但也會減少一些最高頻率。(預設值: 0.99)

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

• dtype (torch.device, optional) – 決定預先計算並快取重新取樣核心的精度。 如果未提供，則核心會以 torch.float64 計算，然後快取為 torch.float32。 如果您需要更高的精度，請提供 torch.float64，並且預先計算的核心會以 torch.float64 計算和快取。 如果您使用較低精度的重新取樣，則不要提供此參數，請改用 Resample.to(dtype)，以便核心生成仍然以 torch.float64 執行。

範例

>>> waveform, sample_rate = torchaudio.load("test.wav", normalize=True)
>>> transform = transforms.Resample(sample_rate, sample_rate/10)
>>> waveform = transform(waveform)

使用 Resample 的教學課程

使用 Wav2Vec2 進行語音辨識

使用 Wav2Vec2 進行語音辨識

音訊重新取樣

音訊重新取樣

forward(waveform: Tensor) → Tensor

參數:

waveform (Tensor) – 音訊張量，維度為 (…, time)。

回傳值:

輸出訊號，維度為 (…, time)。

回傳類型:

Tensor