mindspore.dataset.audio.BassBiquad
- 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: