mindspore.dataset.audio.Spectrogram
- class mindspore.dataset.audio.Spectrogram(n_fft=400, win_length=None, hop_length=None, pad=0, window=WindowType.HANN, power=2.0, normalized=False, center=True, pad_mode=BorderType.REFLECT, onesided=True)[源代码]
从音频信号创建其频谱。
- 参数:
n_fft (int, 可选) - FFT的大小,将创建 n_fft // 2 + 1 个频段。默认值:
400
。win_length (int, 可选) - 窗口大小。默认值:
None
,将使用 n_fft 。hop_length (int, 可选) - STFT窗口之间的跳跃长度。默认值:
None
,将使用 win_length//2 。pad (int, 可选) - 信号两端的填充长度。默认值:
0
。window (
WindowType
, 可选) - 作用于每一帧的窗口函数,可为WindowType.BARTLETT
、WindowType.BLACKMAN
、WindowType.HAMMING
、WindowType.HANN
或WindowType.KAISER
。当前,在macOS上暂不支持Kaiser窗。默认值:WindowType.HANN
。power (float, 可选) - 幅度谱图的指数,必须非负,例如
1
代表能量谱,2
代表功率谱等。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
。
- 异常:
TypeError - 当 n_fft 的类型不为int。
ValueError - 当 n_fft 不为正数。
TypeError - 当 win_length 的类型不为int。
ValueError - 当 win_length 不为正数。
ValueError - 当 win_length 大于 n_fft 。
TypeError - 当 hop_length 的类型不为int。
ValueError - 当 hop_length 不为正数。
TypeError - 当 pad 的类型不为int。
ValueError - 当 pad 为负数。
TypeError - 当 window 的类型不为
mindspore.dataset.audio.WindowType
。TypeError - 当 power 的类型不为float。
ValueError - 当 power 为负数。
TypeError - 当 normalized 的类型不为bool。
TypeError - 当 center 的类型不为bool。
TypeError - 当 pad_mode 的类型不为
mindspore.dataset.audio.BorderType
。TypeError - 当 onesided 的类型不为bool。
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, 10, 20]) # 5 samples >>> numpy_slices_dataset = ds.NumpySlicesDataset(data=waveform, column_names=["audio"]) >>> transforms = [audio.Spectrogram()] >>> 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 (10, 201, 1) float64 >>> >>> # Use the transform in eager mode >>> waveform = np.random.random([10, 20]) # 1 sample >>> output = audio.Spectrogram()(waveform) >>> print(output.shape, output.dtype) (10, 201, 1) float64
- 教程样例: