Paramètres

• freq (float ou np.ndarray) — La fréquence, ou les fréquences multiples, en hertz (Hz).
• mel_scale (str, facultatif, par défaut "htk") — L'échelle de fréquences mel à utiliser, "htk", "kaldi" ou "slaney".

Paramètres

• mels (float ou np.ndarray) — La fréquence, ou les fréquences multiples, en mels.
• mel_scale (str, facultatif, "htk") — L'échelle de fréquences mel à utiliser, "htk", "kaldi" ou "slaney".

Paramètres

• num_frequency_bins (int) — Nombre de bandes de fréquence (doit être identique à n_fft // 2 + 1 où n_fft est la taille de la transformée de Fourier utilisée pour calculer le spectrogramme).
• num_mel_filters (int) — Nombre de filtres mel à générer.
• min_frequency (float) — Fréquence minimale d'intérêt en Hz.
• max_frequency (float) — Fréquence maximale d'intérêt en Hz. Elle ne doit pas dépasser sampling_rate / 2.
• sampling_rate (int) — Taux d'échantillonnage de la forme d'onde audio.
• norm (str, facultatif) — Si "slaney", divise les poids triangulaires mel par la largeur de la bande mel (normalisation de surface).
• mel_scale (str, facultatif, par défaut "htk") — L'échelle de fréquences mel à utiliser, "htk", "kaldi" ou "slaney".
• triangularize_in_mel_space (bool, facultatif, par défaut False) — Si cette option est activée, le filtre triangulaire est appliqué dans l’espace mel plutôt que dans l’espace des fréquences. Il convient de définir cette valeur sur true afin d’obtenir les mêmes résultats que torchaudio lors du calcul des filtres mel.

Paramètres

• window_length (int) — La longueur de la fenêtre en échantillons.
• name (str, facultatif, par défaut "hann") — Le nom de la fonction de fenêtre.
• periodic (bool, facultatif, par défaut True) — Indique si la fenêtre est périodique ou symétrique.
• frame_length (int, facultatif) — La longueur des trames d'analyse en échantillons. Fournissez une valeur pour frame_length si la fenêtre est plus petite que la longueur de la trame, afin qu'elle soit complétée par des zéros.
• center (bool, facultatif, par défaut True) — Indique s'il faut centrer la fenêtre à l'intérieur du tampon FFT. Utilisé uniquement lorsque frame_length est fourni.

Paramètres

• waveform (np.ndarray de forme (length,)) — La forme d'onde d'entrée. Il doit s'agir d'une forme d'onde mono à valeurs réelles.
• window (np.ndarray de forme (frame_length,)) — La fonction de fenêtrage à appliquer, y compris le bourrage de zéros si nécessaire. La longueur réelle de la fenêtre peut être inférieure à frame_length, mais nous supposons que le tableau a déjà été bourré de zéros.
• frame_length (int) — La longueur des trames d’analyse en échantillons. Avec librosa, elle est toujours égale à fft_length, mais nous autorisons également des tailles plus petites.
• hop_length (int) — La distance entre les trames d'analyse successives, en échantillons.
• fft_length (int, facultatif) — La taille du tampon FFT en échantillons. Cela détermine le nombre de bandes de fréquences que contiendra le spectrogramme. Pour une vitesse optimale, cette valeur doit être une puissance de deux. Si None, utilise frame_length.
• power (float, facultatif, valeur par défaut 1.0) — Si 1.0, renvoie le spectrogramme d'amplitude. Si 2.0, renvoie le spectrogramme de puissance. Si None, renvoie des nombres complexes.
• center (bool, facultatif, par défaut True) — Indique s'il faut compléter le signal par des zéros afin que la trame t soit centrée sur le temps t * hop_length. Si False, la trame t commence au temps t * hop_length.
• pad_mode (str, facultatif, par défaut "reflect") — Mode de bourrage utilisé lorsque center est True. Les valeurs possibles sont : "constant" (bourrage avec des zéros), "edge" (bourrage avec les valeurs des bords), "reflect" (bourrage avec des valeurs miroir).
• onesided (bool, facultatif, par défaut True) — Si True, ne calcule que les fréquences positives et renvoie un spectrogramme contenant fft_length // 2 + 1 bins de fréquence. Si False, calcule également les fréquences négatives et renvoie fft_length bins de fréquence.
• 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, facultatif) — Coefficient d'un filtre passe-bas qui applique une pré-emphase avant la TFD.
• mel_filters (np.ndarray de forme (num_freq_bins, num_mel_filters), facultatif) — La banque de filtres mel. Si fournie, applique cette banque de filtres pour créer un spectrogramme mel.
• mel_floor (float, facultatif, par défaut 1e-10) — Valeur minimale des banques de fréquences mel.
• log_mel (str, facultatif) — Méthode de conversion du spectrogramme en échelle logarithmique. Les options possibles sont : None (aucune conversion), "log" (prendre le logarithme naturel) "log10" (prendre le logarithme en base 10), "dB" (convertir en décibels). Ne peut être utilisé que lorsque power n’est pas None.
• reference (float, facultatif, par défaut 1.0) — Définit la valeur du spectrogramme d'entrée correspondant à 0 dB. Par exemple, utilisez np.max(spectrogram) pour définir la partie la plus forte à 0 dB. Doit être supérieur à zéro.
• min_value (float, facultatif, par défaut 1e-10) — Le spectrogramme est rogné à cette valeur minimale avant conversion en décibels, afin d’éviter de calculer log(0). Pour un spectrogramme de puissance, la valeur par défaut de 1e-10 correspond à un minimum de -100 dB. Pour un spectrogramme d’amplitude, la valeur 1e-5 correspond à -100 dB. Doit être strictement supérieure à zéro.
• db_range (float, facultatif) — Définit la plage dynamique maximale en décibels. Par exemple, si db_range = 80, la différence entre la valeur de crête et la valeur minimale ne dépassera jamais 80 dB. Doit être supérieure à zéro.
• remove_dc_offset (bool, facultatif) — Soustrait la moyenne de la forme d’onde sur chaque trame, appliqué avant la pré-emphase. Cette valeur doit être définie sur true afin d’obtenir les mêmes résultats que torchaudio.compliance.kaldi.fbank lors du calcul des filtres mel.
• dtype (np.dtype, facultatif, par défaut np.float32) — Type de données du tenseur de spectrogramme. Si power est None, cet argument est ignoré et le dtype sera np.complex64.

Paramètres

• spectrogram (np.ndarray) — Le spectrogramme de puissance (mel) d'entrée. Notez qu'un spectrogramme de puissance a les amplitudes au carré !
• reference (float, facultatif, par défaut 1.0) — Définit la valeur du spectrogramme d'entrée correspondant à 0 dB. Par exemple, utilisez np.max(spectrogram) pour définir la partie la plus forte à 0 dB. Doit être supérieur à zéro.
• min_value (float, facultatif, par défaut 1e-10) — Le spectrogramme est rogné à cette valeur minimale avant conversion en décibels, afin d'éviter de calculer log(0). La valeur par défaut de 1e-10 correspond à un minimum de -100 dB. Doit être strictement supérieur à zéro.
• db_range (float, facultatif) — Définit la plage dynamique maximale en décibels. Par exemple, si db_range = 80, la différence entre la valeur de crête et la valeur minimale ne dépassera jamais 80 dB. Doit être supérieure à zéro.

Paramètres

• spectrogram (np.ndarray) — Le spectrogramme d'amplitude (mel) d'entrée.
• reference (float, facultatif, par défaut 1.0) — Définit la valeur du spectrogramme d'entrée correspondant à 0 dB. Par exemple, utilisez np.max(spectrogram) pour définir la partie la plus forte à 0 dB. Doit être supérieur à zéro.
• min_value (float, facultatif, par défaut 1e-5) — Le spectrogramme est rogné à cette valeur minimale avant conversion en décibels, afin d'éviter de calculer log(0). La valeur par défaut de 1e-5 correspond à un minimum de -100 dB. Doit être strictement supérieure à zéro.
• db_range (float, facultatif) — Définit la plage dynamique maximale en décibels. Par exemple, si db_range = 80, la différence entre la valeur de crête et la valeur minimale ne dépassera jamais 80 dB. Doit être supérieure à zéro.