mindspore.dataset.audio.AmplitudeToDB
- class mindspore.dataset.audio.AmplitudeToDB(stype=ScaleType.POWER, ref_value=1.0, amin=1e-10, top_db=80.0)[源代码]
将输入音频从振幅/功率标度转换为分贝标度。
说明
待处理音频shape需为<…, freq, time>。
- 参数:
stype (
ScaleType
, 可选) - 输入音频的原始标度,取值可为ScaleType.MAGNITUDE
或ScaleType.POWER
。默认值:ScaleType.POWER
。ref_value (float, 可选) - 系数参考值。默认值:
1.0
,用于计算分贝系数 db_multiplier ,公式为 \(\text{db_multiplier} = \log10(\max(\text{ref_value}, amin))\) 。amin (float, 可选) - 波形取值下界,低于该值的波形将会被裁切,取值必须大于0。默认值:
1e-10
。top_db (float, 可选) - 最小截止分贝值,取值为非负数。默认值:
80.0
。
- 异常:
TypeError - 当 stype 的类型不为
mindspore.dataset.audio.ScaleType
。TypeError - 当 ref_value 的类型不为float。
ValueError - 当 ref_value 不为正数。
TypeError - 当 amin 的类型不为float。
ValueError - 当 amin 不为正数。
TypeError - 当 top_db 的类型不为float。
ValueError - 当 top_db 不为正数。
RuntimeError - 当输入音频的shape不为<…, freq, time>。
- 支持平台:
CPU
样例:
>>> import numpy as np >>> import mindspore.dataset as ds >>> import mindspore.dataset.audio as audio >>> >>> # Use the transform in dataset pipeline mode >>> waveform = np.random.random([5, 400 // 2 + 1, 30]) # 5 samples >>> numpy_slices_dataset = ds.NumpySlicesDataset(data=waveform, column_names=["audio"]) >>> transforms = [audio.AmplitudeToDB(stype=audio.ScaleType.POWER)] >>> numpy_slices_dataset = numpy_slices_dataset.map(operations=transforms, input_columns=["audio"]) >>> for item in numpy_slices_dataset.create_dict_iterator(num_epochs=1, output_numpy=True): ... print(item["audio"].shape, item["audio"].dtype) ... break (201, 30) float64 >>> >>> # Use the transform in eager mode >>> waveform = np.random.random([400 // 2 + 1, 30]) # 1 sample >>> output = audio.AmplitudeToDB(stype=audio.ScaleType.POWER)(waveform) >>> print(output.shape, output.dtype) (201, 30) float64
- 教程样例: