Tham số

• freq (float hoặc np.ndarray) — Tần số, hoặc nhiều tần số, tính bằng hertz (Hz).
• mel_scale (str, tùy chọn, mặc định là "htk") — Thang tần số mel cần sử dụng, "htk", "kaldi" hoặc "slaney".

Tham số

• mels (float hoặc np.ndarray) — Tần số, hoặc nhiều tần số, tính bằng mels.
• mel_scale (str, tùy chọn, "htk") — Thang tần số mel cần sử dụng, "htk", "kaldi" hoặc "slaney".

Tham số

• num_frequency_bins (int) — Số lượng bin tần số (phải giống với n_fft // 2 + 1 trong đó n_fft là kích thước của phép biến đổi Fourier được sử dụng để tính phổ tần).
• num_mel_filters (int) — Số lượng bộ lọc mel cần tạo.
• min_frequency (float) — Tần số thấp nhất quan tâm, tính bằng Hz.
• max_frequency (float) — Tần số quan tâm cao nhất, tính bằng Hz. Giá trị này không được vượt quá sampling_rate / 2.
• sampling_rate (int) — Tần số lấy mẫu của dạng sóng âm thanh.
• norm (str, tùy chọn) — Nếu là "slaney", chia trọng số mel hình tam giác cho bề rộng của dải mel (chuẩn hóa diện tích).
• mel_scale (str, tùy chọn, mặc định là "htk") — Thang tần số mel cần sử dụng, "htk", "kaldi" hoặc "slaney".
• triangularize_in_mel_space (bool, tùy chọn, mặc định là False) — Nếu tùy chọn này được bật, bộ lọc tam giác sẽ được áp dụng trong không gian mel thay vì không gian tần số. Giá trị này nên được đặt thành true để có cùng kết quả như torchaudio khi tính toán bộ lọc mel.

Tham số

• window_length (int) — Chiều dài của cửa sổ tính bằng số mẫu.
• name (str, tùy chọn, mặc định là "hann") — Tên của hàm cửa sổ.
• periodic (bool, tùy chọn, mặc định là True) — Xác định xem cửa sổ có tuần hoàn hay đối xứng.
• frame_length (int, tùy chọn) — Chiều dài của các khung phân tích tính bằng số mẫu. Cung cấp một giá trị cho frame_length nếu cửa sổ nhỏ hơn chiều dài khung, để nó được đệm bằng số không.
• center (bool, tùy chọn, mặc định là True) — Có căn giữa cửa sổ bên trong bộ đệm FFT hay không. Chỉ được sử dụng khi frame_length được cung cấp.

Tham số

• waveform (np.ndarray có hình dạng (length,)) — Đoạn âm thanh đầu vào. Đây phải là một đoạn âm thanh đơn, thực, kênh đơn (mono).
• window (np.ndarray có hình dạng (frame_length,)) — Hàm cửa sổ cần áp dụng, bao gồm cả việc đệm zero nếu cần. Độ dài cửa sổ thực tế có thể ngắn hơn frame_length, nhưng chúng ta giả định rằng mảng đã được đệm zero.
• frame_length (int) — Chiều dài của các khung phân tích tính bằng số mẫu. Với librosa, giá trị này luôn bằng fft_length nhưng chúng tôi cũng cho phép các kích thước nhỏ hơn.
• hop_length (int) — Bước nhảy giữa các khung phân tích liên tiếp, tính bằng số mẫu.
• fft_length (int, tùy chọn) — Kích thước của bộ đệm FFT tính bằng số mẫu. Giá trị này quyết định số lượng bin tần số mà phổ âm (spectrogram) sẽ có. Để đạt tốc độ tối ưu, giá trị này nên là lũy thừa của hai. Nếu là None, sẽ sử dụng frame_length.
• power (float, tùy chọn, mặc định là 1.0) — Nếu là 1.0, trả về phổ biên độ. Nếu là 2.0, trả về phổ công suất. Nếu là None, trả về các số phức.
• center (bool, tùy chọn, mặc định là True) — Có nên đệm waveform để khung t được căn giữa quanh thời điểm t * hop_length hay không. Nếu False, khung t sẽ bắt đầu tại thời điểm t * hop_length.
• pad_mode (str, tùy chọn, mặc định là "reflect") — Chế độ đệm được sử dụng khi center là True. Các giá trị có thể là: "constant" (đệm bằng số 0), "edge" (đệm bằng giá trị ở cạnh), "reflect" (đệm bằng giá trị phản chiếu).
• onesided (bool, tùy chọn, mặc định là True) — Nếu True, chỉ tính các tần số dương và trả về spectrogram chứa fft_length // 2 + 1 bin tần số. Nếu False, cũng tính các tần số âm và trả về fft_length bin tần số.
• dither (float, optional, defaults to 0.0) — Adds dithering. In other words, adds a small Gaussian noise to each frame. E.g. use 4.0 to add dithering with a normal distribution centered around 0.0 with standard deviation 4.0, 0.0 means no dithering. Dithering has similar effect as mel_floor. It reduces the high log_mel_fbank values for signals with hard-zero sections, when VAD cutoff is present in the signal.
• preemphasis (float, tùy chọn) — Hệ số cho bộ lọc thông thấp áp dụng tiền nhấn mạnh trước khi thực hiện DFT.
• mel_filters (np.ndarray có hình dạng (num_freq_bins, num_mel_filters), tùy chọn) — Ngân bộ lọc mel. Nếu được cung cấp, sẽ áp dụng ngân bộ lọc này để tạo ra phổ mel.
• mel_floor (float, tùy chọn, mặc định là 1e-10) — Giá trị tối thiểu của các ngân tần số mel.
• log_mel (str, tùy chọn) — Cách chuyển đổi spectrogram sang thang log. Các tùy chọn có thể là: None (không chuyển đổi), "log" (lấy logarit tự nhiên) "log10" (lấy logarit cơ số 10), "dB" (chuyển đổi sang decibel). Chỉ có thể dùng khi power không phải None.
• reference (float, tuỳ chọn, mặc định là 1.0) — Đặt giá trị phổ tần đầu vào tương ứng với 0 dB. Ví dụ, sử dụng np.max(spectrogram) để đặt phần to nhất thành 0 dB. Phải lớn hơn không.
• min_value (float, tuỳ chọn, mặc định là 1e-10) — Biểu đồ phổ sẽ bị cắt (clip) xuống giá trị tối thiểu này trước khi chuyển đổi sang decibel, để tránh việc lấy log(0). Đối với biểu đồ phổ công suất, giá trị mặc định 1e-10 tương ứng với mức tối thiểu -100 dB. Đối với biểu đồ phổ biên độ, giá trị 1e-5 tương ứng với -100 dB. Giá trị này phải lớn hơn không.
• db_range (float, tùy chọn) — Đặt phạm vi động tối đa tính bằng decibel. Ví dụ, nếu db_range = 80, thì sự chênh lệch giữa giá trị đỉnh và giá trị nhỏ nhất sẽ không bao giờ vượt quá 80 dB. Phải lớn hơn không.
• remove_dc_offset (bool, tùy chọn) — Trừ giá trị trung bình khỏi waveform trên mỗi frame, được áp dụng trước pre-emphasis. Tham số này nên được đặt thành true để có cùng kết quả như torchaudio.compliance.kaldi.fbank khi tính toán bộ lọc mel.
• dtype (np.dtype, tùy chọn, mặc định là np.float32) — Kiểu dữ liệu của tensor spectrogram. Nếu power là None, tham số này sẽ bị bỏ qua và dtype sẽ là np.complex64.

Tham số

• spectrogram (np.ndarray) — Biểu đồ phổ công suất (mel) đầu vào. Lưu ý rằng biểu đồ phổ công suất có biên độ được bình phương!
• reference (float, tuỳ chọn, mặc định là 1.0) — Đặt giá trị phổ tần đầu vào tương ứng với 0 dB. Ví dụ, sử dụng np.max(spectrogram) để đặt phần to nhất thành 0 dB. Phải lớn hơn không.
• min_value (float, tuỳ chọn, mặc định là 1e-10) — Biểu đồ phổ sẽ bị cắt (clip) xuống giá trị tối thiểu này trước khi chuyển đổi sang decibel, để tránh việc lấy log(0). Giá trị mặc định 1e-10 tương ứng với mức tối thiểu là -100 dB. Phải lớn hơn không.
• db_range (float, tùy chọn) — Đặt phạm vi động tối đa tính bằng decibel. Ví dụ, nếu db_range = 80, thì sự chênh lệch giữa giá trị đỉnh và giá trị nhỏ nhất sẽ không bao giờ vượt quá 80 dB. Phải lớn hơn không.

Tham số

• spectrogram (np.ndarray) — Biểu đồ phổ biên độ (mel) đầu vào.
• reference (float, tuỳ chọn, mặc định là 1.0) — Đặt giá trị phổ tần đầu vào tương ứng với 0 dB. Ví dụ, sử dụng np.max(spectrogram) để đặt phần to nhất thành 0 dB. Phải lớn hơn không.
• min_value (float, tuỳ chọn, mặc định là 1e-5) — Biểu đồ phổ sẽ bị cắt (clip) xuống giá trị tối thiểu này trước khi chuyển đổi sang decibel, để tránh việc lấy log(0). Giá trị mặc định 1e-5 tương ứng với mức tối thiểu là -100 dB. Phải lớn hơn không.
• db_range (float, tùy chọn) — Đặt phạm vi động tối đa tính bằng decibel. Ví dụ, nếu db_range = 80, thì sự chênh lệch giữa giá trị đỉnh và giá trị nhỏ nhất sẽ không bao giờ vượt quá 80 dB. Phải lớn hơn không.