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 >>> import mindspore.dataset as ds >>> import mindspore.dataset.audio as audio >>> >>> >>> # Use the transform in dataset pipeline mode >>> waveform = np.random.random([5, 32]) # 5 samples >>> 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=2, window=audio.WindowType.HANN, power=2.0, ... normalized=False, center=True, pad_mode=audio.BorderType.REFLECT, ... onesided=True, norm=audio.NormType.SLANEY, mel_scale=audio.MelType.HTK)] >>> 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 (2, 5) float64 >>> >>> # Use the transform in eager mode >>> waveform = np.random.random([32]) # 1 sample >>> output = 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=2, window=audio.WindowType.HANN, power=2.0, ... normalized=False, center=True, pad_mode=audio.BorderType.REFLECT, ... onesided=True, norm=audio.NormType.SLANEY, ... mel_scale=audio.MelType.HTK)(waveform) >>> print(output.shape, output.dtype) (2, 5) float64
- 教程样例: