mindspore.dataset.audio.TimeStretch

class mindspore.dataset.audio.TimeStretch(hop_length=None, n_freq=201, fixed_rate=None)[源代码]

以给定的比例拉伸音频短时傅里叶(Short Time Fourier Transform, STFT)频谱的时域,但不改变音频的音高。

说明

待处理音频shape需为<…, freq, time, complex=2>。第零维代表实部,第一维代表虚部。

参数:
  • hop_length (int, 可选) - STFT窗之间每跳的长度,即连续帧之间的样本数。默认值: None ,表示取 n_freq - 1

  • n_freq (int, 可选) - STFT中的滤波器组数。默认值: 201

  • fixed_rate (float, 可选) - 频谱在时域加快或减缓的比例。默认值: None ,表示保持原始速率。

异常:
  • TypeError - 当 hop_length 的类型不为int。

  • ValueError - 当 hop_length 不为正数。

  • TypeError - 当 n_freq 的类型不为int。

  • ValueError - 当 n_freq 不为正数。

  • TypeError - 当 fixed_rate 的类型不为float。

  • ValueError - 当 fixed_rate 不为正数。

  • RuntimeError - 当输入音频的shape不为<…, freq, num_frame, complex=2>。

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, 8, 2])  # 5 samples
>>> numpy_slices_dataset = ds.NumpySlicesDataset(data=waveform, column_names=["audio"])
>>> transforms = [audio.TimeStretch()]
>>> 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, 16, 8, 2) float64
>>>
>>> # Use the transform in eager mode
>>> waveform = np.random.random([16, 8, 2])  # 1 sample
>>> output = audio.TimeStretch()(waveform)
>>> print(output.shape, output.dtype)
(1, 16, 8, 2) float64
教程样例:
../../_images/time_stretch_rate1.5.png ../../_images/time_stretch_original.png ../../_images/time_stretch_rate0.8.png