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: