LogMelSpectrogram¶

参数¶

• sr (int，可选) - 采样率，默认 22050。

• n_fft (int，可选) - 离散傅里叶变换中频率窗大小，默认 512。

• hop_length (int，可选) - 帧移，默认 512。

• win_length (int，可选) - 短时 FFT 的窗长，默认为 None。

• window (str，可选) - 窗函数名，默认'hann'。

• power (float，可选) - 幅度谱的指数，默认是2.0。

• center (bool，可选) - 对输入信号填充，如果 True，那么 t 以 t*hop_length 为中心，如果为 False，则 t 以 t*hop_length 开始，默认是 True。

• pad_mode (str，可选) - 如果 center 是 True，选择填充的方式，默认值是'reflect'。

• n_mels (int，可选) - mel bins 的数目，默认是64。

• f_min (float，可选) - 最小频率(hz)，默认 50.0。

• f_max (float，可选) - 最大频率(hz)，默认为 None。

• htk (bool，可选) - 在计算 fbank 矩阵时是否用在 HTK 公式缩放，默认是 False。

• norm (Union[str，float]，可选) - 计算 fbank 矩阵时正则化的种类，默认是'slaney'，你也可以 norm=0.5，使用 p-norm 正则化。

• ref_value (float，可选) - 参照值，如果小于 1.0，信号的 db 会被提升，相反 db 会下降，默认值为 1.0。

• amin (float，可选) - 输入的幅值的最小值，默认是1e-10。

• top_db (float，可选) - log-mel 谱的最大值(db)，默认是None。

• dtype (str，可选) - 输入和窗的数据类型，默认是'float32'。

返回¶

计算``LogMelSpectrogram``的可调用对象。

代码示例¶

import paddle
from paddle.audio.features import LogMelSpectrogram

sample_rate = 16000
wav_duration = 0.5
num_channels = 1
num_frames = sample_rate * wav_duration
wav_data = paddle.linspace(-1.0, 1.0, num_frames) * 0.1
waveform = wav_data.tile([num_channels, 1])

feature_extractor = LogMelSpectrogram(sr=sample_rate, n_fft=512, window = 'hann', power = 1.0)
feats = feature_extractor(waveform)