mindspore.dataset.audio.TimeMasking

class mindspore.dataset.audio.TimeMasking(iid_masks=False, time_mask_param=0, mask_start=0, mask_value=0.0)[源代码]

给音频波形施加时域掩码。

说明

待处理音频shape需为<…, freq, time>。

参数：

iid_masks (bool, 可选) - 是否施加随机掩码。默认值： False 。
time_mask_param (int, 可选) - 当 iid_masks 为 True 时，掩码长度将从[0, time_mask_param]中均匀采样；当 iid_masks 为 False 时，直接使用该值作为掩码的长度。取值范围为[0, time_length]，其中 time_length 为音频波形在时域的长度。默认值： 0 。
mask_start (int, 可选) - 添加掩码的起始位置，只有当 iid_masks 为 True 时，该值才会生效。取值范围为[0, time_length - time_mask_param]，其中 time_length 为音频波形在时域的长度。默认值： 0 。
mask_value (float, 可选) - 掩码填充值。默认值： 0.0 。

异常：

TypeError - 当 iid_masks 的类型不为bool。
TypeError - 当 time_mask_param 的类型不为int。
ValueError - 当 time_mask_param 大于音频时域长度。
TypeError - 当 mask_start 的类型不为int。
ValueError - 当 mask_start 为负数。
TypeError - 当 mask_value 的类型不为float。
ValueError - 当 mask_value 为负数。
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, 16, 2])  # 5 samples
>>> numpy_slices_dataset = ds.NumpySlicesDataset(data=waveform, column_names=["audio"])
>>> transforms = [audio.TimeMasking(time_mask_param=1)]
>>> 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, 2) float64
>>>
>>> # Use the transform in eager mode
>>> waveform = np.random.random([16, 2])  # 1 sample
>>> output = audio.TimeMasking(time_mask_param=1)(waveform)
>>> print(output.shape, output.dtype)
(16, 2) float64

教程样例：

音频变换样例库