mindspore.dataset.audio.InverseSpectrogram

class mindspore.dataset.audio.InverseSpectrogram(length=None, n_fft=400, win_length=None, hop_length=None, pad=0, window=WindowType.HANN, normalized=False, center=True, pad_mode=BorderType.REFLECT, onesided=True)[源代码]

计算输入频谱的反向频谱，以恢复原始音频信号。

参数：

  • length (int, 可选) - 波形的输出长度，必须是非负数。默认值： None ，表示输出整个波形。

  • n_fft (int, 可选) - FFT的大小，创建 n_FFT//2+1 个频段，应该大于0。默认值： 400 。

  • win_length (int, 可选) - 窗口大小，应该大于0。默认值： None ，将被设为 n_fft 。

  • hop_length (int, 可选) - STFT窗口之间的跳跃长度，应该大于0。默认值： None ，将被设为 win_length // 2 。

  • pad (int, 可选) - 信号两端的填充长度，不能小于0。默认值： 0 。

  • window (WindowType, 可选) - 作用于每一帧的窗口函数。默认值： WindowType.HANN 。

  • 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 。

异常：

  • TypeError - 如果 length 的类型不为int。

  • ValueError - 如果 length 为负数。

  • TypeError - 如果 n_fft 的类型不为int。

  • ValueError - 如果 n_fft 不为正数。

  • TypeError - 如果 win_length 的类型不为int。

  • ValueError - 如果 win_length 不为正数。

  • TypeError - 如果 hop_length 的类型不为int。

  • ValueError - 如果 hop_length 不为正数。

  • TypeError - 如果 pad 的类型不为int。

  • ValueError - 如果 pad 为负数。

  • TypeError - 如果 window 的类型不为 mindspore.dataset.audio.WindowType 。

  • 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。

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, 2])  # 5 samples
>>> numpy_slices_dataset = ds.NumpySlicesDataset(data=waveform, column_names=["audio"])
>>> transforms = [audio.InverseSpectrogram(1, 400, 400, 200)]
>>> 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
(1,) float64
>>>
>>> # Use the transform in eager mode
>>> waveform = np.random.random([400 // 2 + 1, 30, 2])  # 1 sample
>>> output = audio.InverseSpectrogram(1, 400, 400, 200)(waveform)
>>> print(output.shape, output.dtype)
(1,) float64
教程样例：