Python PyTorch Spectrogram用法及代碼示例

本文簡要介紹python語言中 torchaudio.transforms.Spectrogram 的用法。

用法:

class torchaudio.transforms.Spectrogram(n_fft: int = 400, win_length: Optional[int] = None, hop_length: Optional[int] = None, pad: int = 0, window_fn: Callable[[...], torch.Tensor] = <built-in method hann_window of type object>, power: Optional[float] = 2.0, normalized: bool = False, wkwargs: Optional[dict] = None, center: bool = True, pad_mode: str = 'reflect', onesided: bool = True, return_complex: bool = True)

參數：

• n_fft(int,可選的) -FFT 的大小，創建n_fft // 2 + 1 bins。 (默認：400)

• win_length(int或者None,可選的) -窗口大小。 (默認：n_fft)

• hop_length(int或者None,可選的) -STFT 窗口之間的跳躍長度。 (默認：win_length // 2)

• pad(int,可選的) -信號的兩側填充。 (默認：0)

• window_fn(可調用[..,Tensor],可選的) - 創建一個窗口張量的函數，該窗口張量應用於/乘以每個幀/窗口。 (默認：torch.hann_window)

• power(float或者None,可選的) -幅度譜圖的 index ，(必須 > 0)例如，1 表示能量，2 表示功率，等等。如果沒有，則返回複數譜。 (默認：2)

• normalized(bool,可選的) -stft 之後是否按幅度歸一化。 (默認：False)

• wkwargs(dict或者None,可選的) -窗口函數的參數。 (默認：None)

• center(bool,可選的) -是否在兩側填充waveform，以便第\(t\)幀在時間\(t \times \text{hop\_length}\)居中。 (默認：True)

• pad_mode(string,可選的) -控製 center 為 True 時使用的填充方法。 (默認："reflect")

• onesided(bool,可選的) -控製是否返回一半結果以避免冗餘(默認值：True)

• return_complex(bool,可選的) -指示生成的 complex-valued 張量是否應使用本機複數 dtype 表示，例如 torch.cfloat 和 torch.cdouble ，或使用實部和虛部的額外維度模擬複數的真實 dtype。 (另見 torch.view_as_real 。)此參數僅在 power=None 時有效。對於 power 是數字的情況，它會被忽略，因為在這些情況下，返回的張量是功率譜圖，它是一個實值張量。

從音頻信號創建頻譜圖。

示例

>>> waveform, sample_rate = torchaudio.load('test.wav', normalize=True)
>>> transform = torchaudio.transforms.Spectrogram(n_fft=800)
>>> spectrogram = transform(waveform)