mindspore.dataset.audio.MelSpectrogram

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)[源代码]

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_ftt

  • 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 (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 (NormType, 可选) - 如果为 ‘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 (MelType, 可选) - 要使用的Mel比例,可以是MelType.SLAN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 mindspore.dataset.audio.WindowType

  • TypeError - 如果 norm 的类型不为 mindspore.dataset.audio.NormType

  • TypeError - 如果 mel_scale 的类型不为 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 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_ftt 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。

支持平台:

CPU

样例:

>>> import numpy as np
>>>
>>> from mindspore.dataset.audio import WindowType, BorderType, NormType, MelType
>>>
>>> waveform = np.array([[[1, 1, 2, 2, 3, 3, 4, 4, 5, 5, 4, 4, 3, 3, 2, 2, 1, 1, 0, 0, 1, 1, 2, 2, 3, 3, 4]]])
>>> numpy_slices_dataset = ds.NumpySlicesDataset(data=waveform, column_names=["audio"])
>>> transforms = [audio.MelSpectrogram(sample_rate=16000, n_fft=16, win_length=16, hop_length=8, f_min=0.0, \
...                                    f_max=5000.0, pad=0, n_mels=8, window=WindowType.HANN, power=2.0, \
...                                    normalized=False, center=True, pad_mode=BorderType.REFLECT, \
...                                    onesided=True, norm=NormType.SLANEY,  mel_scale=MelType.HTK)]
>>> numpy_slices_dataset = numpy_slices_dataset.map(operations=transforms, input_columns=["audio"])