mindspore.dataset.audio.AmplitudeToDB

查看源文件
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.MAGNITUDEScaleType.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: