頻譜質心

class torchaudio.transforms.SpectralCentroid(sample_rate: int, n_fft: int = 400, win_length: ~typing.Optional[int] = None, hop_length: ~typing.Optional[int] = None, pad: int = 0, window_fn: ~typing.Callable[[...], ~torch.Tensor] = <built-in method hann_window of type object>, wkwargs: ~typing.Optional[dict] = None)

計算沿時間軸的每個通道的頻譜質心。

頻譜質心定義為頻率值的加權平均值，權重為其幅度。

參數:

• sample_rate (int) – 音訊訊號的取樣率。

• n_fft (int, 選用) – FFT 大小，建立 n_fft // 2 + 1 個頻率箱。(預設值：400)

• win_length (int 或 None, 選用) – 視窗大小。(預設值：n_fft)

• hop_length (int 或 None, 選用) – STFT 視窗之間的跳躍長度。(預設值：win_length // 2)

• pad (int, 選用) – 訊號的雙邊填充。(預設值：0)

• window_fn (Callable[..., Tensor], 選用) – 建立視窗張量的函數，該張量會應用/乘算到每個幀/視窗。(預設值：torch.hann_window)

• wkwargs (dict 或 None, 選用) – 視窗函數的引數。(預設值：None)

範例

>>> waveform, sample_rate = torchaudio.load("test.wav", normalize=True)
>>> transform = transforms.SpectralCentroid(sample_rate)
>>> spectral_centroid = transform(waveform)  # (channel, time)

forward(waveform: Tensor) → Tensor

參數:

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

傳回:

大小為 (…, time) 的頻譜質心。

傳回類型:

Tensor