57 lines
4.7 KiB
ReStructuredText
57 lines
4.7 KiB
ReStructuredText
mindspore.dataset.audio.MelSpectrogram
|
||
======================================
|
||
|
||
.. py:class:: mindspore.dataset.audio.MelSpectrogram(sample_rate=16000, n_fft=400, win_length=None, hop_length=None, f_min=0.0, f_max=None, pad=0, n_mels=128, window=WindowType.HANN, power=2.0, normalized=False, center=True, pad_mode=BorderType.REFLECT, onesided=True, norm=NormType.NONE, mel_scale=MelType.HTK)
|
||
|
||
计算原始音频信号的梅尔频谱。
|
||
|
||
参数：
|
||
- **sample_rate** (int, 可选) - 采样频率（单位：Hz），不能小于0。默认值： ``16000`` 。
|
||
- **n_fft** (int, 可选) - FFT的大小，创建 `n_fft // 2 + 1` 个频段，应该大于0并且小于输入张量最后一维大小的两倍。默认值： ``400`` 。
|
||
- **win_length** (int, 可选) - 窗口大小，应该大于0并且不能大于 `n_fft` 。默认值： ``None`` ，会被设置为 `n_fft` 。
|
||
- **hop_length** (int, 可选) - STFT窗口之间的跳跃长度，应该大于0。默认值： ``None`` ，会被设置为 `win_length // 2` 。
|
||
- **f_min** (float, 可选) - 最小频率，不能大于 `f_max` 。默认值： ``0.0`` 。
|
||
- **f_max** (float, 可选) - 最大频率，不能小于0。默认值： ``None`` ，会被设置为 `sample_rate // 2` 。
|
||
- **pad** (int, 可选) - 信号两端的填充长度，不能小于0。默认值： ``0`` 。
|
||
- **n_mels** (int, 可选) - 梅尔滤波器组的数量，不能小于0。默认值： ``128`` 。
|
||
- **window** (:class:`~.audio.WindowType`, 可选) - 作用于每一帧的窗口函数。默认值： ``WindowType.HANN`` 。
|
||
- **power** (float, 可选) - 幅值谱图的指数，应该大于0，例如， ``1`` 表示能量、 ``2`` 表示功率等。默认值： ``2.0`` 。
|
||
- **normalized** (bool, 可选) - 是否在stft之后按幅度执行标准化。默认值： ``False`` 。
|
||
- **center** (bool, 可选) - 是否同时在波形两端进行填充。默认值： ``True`` 。
|
||
- **pad_mode** (BorderType, 可选) - 控制在 `center` 为 ``True`` 时使用的填充方法，可为 ``BorderType.REFLECT`` 、 ``BorderType.CONSTANT`` 、 ``BorderType.EDGE`` 、 ``BorderType.SYMMETRIC`` 。默认值： ``BorderType.REFLECT`` 。
|
||
- **onesided** (bool, 可选) - 控制是否只返回一半波形，以避免冗余。默认值： ``True`` 。
|
||
- **norm** (:class:`~.audio.NormType`, 可选) - 如果为 ``NormType.SLANEY`` ，则将三角形梅尔权重除以梅尔带的宽度（区域归一化）。默认值： ``NormType.NONE`` ，不使用标准化。
|
||
- **mel_scale** (:class:`~.audio.MelType`, 可选) - 要使用的Mel比例，可以是 ``MelType.SLANEY`` 或 ``MelType.HTK`` 。默认值： ``MelType.HTK`` 。
|
||
|
||
异常：
|
||
- **TypeError** - 如果 `sample_rate` 的类型不为int。
|
||
- **TypeError** - 如果 `n_fft` 的类型不为int。
|
||
- **TypeError** - 如果 `n_mels` 的类型不为int。
|
||
- **TypeError** - 如果 `f_min` 的类型不为float。
|
||
- **TypeError** - 如果 `f_max` 的类型不为float。
|
||
- **TypeError** - 如果 `window` 的类型不为 :class:`mindspore.dataset.audio.WindowType` 。
|
||
- **TypeError** - 如果 `norm` 的类型不为 :class:`mindspore.dataset.audio.NormType` 。
|
||
- **TypeError** - 如果 `mel_scale` 的类型不为 :class:`mindspore.dataset.audio.MelType` 。
|
||
- **TypeError** - 如果 `power` 的类型不为float。
|
||
- **TypeError** - 如果 `normalized` 的类型不为bool。
|
||
- **TypeError** - 如果 `center` 的类型不为bool。
|
||
- **TypeError** - 如果 `pad_mode` 的类型不为 :class:`mindspore.dataset.audio.BorderType` 。
|
||
- **TypeError** - 如果 `onesided` 的类型不为bool。
|
||
- **TypeError** - 如果 `pad` 的类型不为int。
|
||
- **TypeError** - 如果 `win_length` 的类型不为int。
|
||
- **TypeError** - 如果 `hop_length` 的类型不为int。
|
||
- **ValueError** - 如果 `sample_rate` 为负数。
|
||
- **ValueError** - 如果 `n_fft` 不为正数。
|
||
- **ValueError** - 如果 `n_mels` 为负数。
|
||
- **ValueError** - 如果 `f_min` 大于 `f_max` 。
|
||
- **ValueError** - 如果 `f_max` 为负数。
|
||
- **ValueError** - 当 `f_max` 为 ``None`` 时，如果 `f_min` 大于 `sample_rate // 2` 。
|
||
- **ValueError** - 如果 `power` 不为正数。
|
||
- **ValueError** - 如果 `pad` 为负数。
|
||
- **ValueError** - 如果 `win_length` 不为正数。
|
||
- **ValueError** - 如果 `hop_length` 不为正数。
|
||
|
||
教程样例：
|
||
- `音频变换样例库
|
||
<https://www.mindspore.cn/docs/zh-CN/master/api_python/samples/dataset/audio_gallery.html>`_
|