mindspore.dataset.audio.BassBiquad

查看源文件
class mindspore.dataset.audio.BassBiquad(sample_rate, gain, central_freq=100.0, Q=0.707)[源代码]

给音频波形施加低音控制效果，即双极点低频搁架滤波器。

低频搁架滤波器能够通过所有频率，但将低于搁架的频率提升或衰减指定量。其系统函数为：

\[H(s) = A\frac{s^2 + \frac{\sqrt{A}}{Q}s + A}{As^2 + \frac{\sqrt{A}}{Q}s + 1}\]

接口实现方式类似于 SoX库 。

说明

待处理音频shape需为<…, time>。

参数：

  • sample_rate (int) - 采样频率（单位：Hz），不能为零。

  • gain (float) - 期望提升（或衰减）的音频增益（单位：dB）。

  • central_freq (float, 可选) - 中心频率（单位：Hz）。默认值： 100.0 。

  • Q (float, 可选) - 品质因子 ，能够反映带宽与采样频率和中心频率的关系，取值范围为(0, 1]。默认值： 0.707 。

异常：

  • TypeError - 当 sample_rate 的类型不为int。

  • ValueError - 当 sample_rate 的数值为0。

  • TypeError - 当 gain 的类型不为float。

  • TypeError - 当 central_freq 的类型不为float。

  • TypeError - 当 Q 的类型不为float。

  • ValueError - 当 Q 取值不在(0, 1]范围内。

  • RuntimeError - 当输入音频的shape不为<…, 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, 16])  # 5 samples
>>> numpy_slices_dataset = ds.NumpySlicesDataset(data=waveform, column_names=["audio"])
>>> transforms = [audio.BassBiquad(44100, 100.0)]
>>> 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
(16,) float64
>>>
>>> # Use the transform in eager mode
>>> waveform = np.random.random([16])  # 1 sample
>>> output = audio.BassBiquad(44100, 200.0)(waveform)
>>> print(output.shape, output.dtype)
(16,) float64
教程样例：