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.BARTLETTWindowType.BLACKMANWindowType.HAMMINGWindowType.HANNWindowType.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 centerTrue 时使用的填充方法,可为 BorderType.REFLECTBorderType.CONSTANTBorderType.EDGEBorderType.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: