Parámetros

• freq (float o np.ndarray) — La frecuencia, o varias frecuencias, en hercios (Hz).
• mel_scale (str, opcional, valor predeterminado "htk") — La escala de frecuencia mel a utilizar, "htk", "kaldi" o "slaney".

Parámetros

• mels (float o np.ndarray) — La frecuencia, o múltiples frecuencias, en mels.
• mel_scale (str, opcional, "htk") — La escala de frecuencia mel a utilizar, "htk", "kaldi" o "slaney".

Parámetros

• num_frequency_bins (int) — Número de bandas de frecuencia (debe ser igual a n_fft // 2 + 1, donde n_fft es el tamaño de la Transformada de Fourier utilizada para calcular el espectrograma).
• num_mel_filters (int) — Número de filtros mel que se generarán.
• min_frequency (float) — Frecuencia mínima de interés en Hz.
• max_frequency (float) — Frecuencia máxima de interés en Hz. Este valor no debe superar sampling_rate / 2.
• sampling_rate (int) — Tasa de muestreo de la forma de onda de audio.
• norm (str, opcional) — Si es "slaney", divide los pesos mel triangulares por el ancho de la banda mel (normalización de área).
• mel_scale (str, opcional, valor predeterminado "htk") — La escala de frecuencia mel a utilizar, "htk", "kaldi" o "slaney".
• triangularize_in_mel_space (bool, opcional, valor predeterminado False) — Si esta opción está habilitada, el filtro triangular se aplica en el espacio mel en lugar del espacio de frecuencia. Esto debe establecerse en true para obtener los mismos resultados que torchaudio al calcular los filtros mel.

Parámetros

• window_length (int) — La longitud de la ventana en muestras.
• name (str, opcional, valor predeterminado "hann") — El nombre de la función de ventana.
• periodic (bool, opcional, valor predeterminado True) — Si la ventana es periódica o simétrica.
• frame_length (int, opcional) — La longitud de los cuadros de análisis en muestras. Proporcione un valor para frame_length si la ventana es más pequeña que la longitud del cuadro, para que se rellene con ceros.
• center (bool, opcional, valor predeterminado True) — Si se centra la ventana dentro del búfer de FFT. Solo se utiliza cuando se proporciona frame_length.

Parámetros

• waveform (np.ndarray de forma (length,)) — La forma de onda de entrada. Debe ser una forma de onda mono de valor real único.
• window (np.ndarray de forma (frame_length,)) — La función de ventana a aplicar, incluyendo el relleno con ceros si es necesario. La longitud real de la ventana puede ser menor que frame_length, pero asumimos que el array ya ha sido rellenado con ceros.
• frame_length (int) — La longitud de los cuadros de análisis en muestras. Con librosa, esto siempre es igual a fft_length, pero también permitimos tamaños menores.
• hop_length (int) — La distancia entre los marcos de análisis sucesivos en muestras.
• fft_length (int, opcional) — El tamaño del búfer de FFT en muestras. Esto determina cuántos bins de frecuencia tendrá el espectrograma. Para una velocidad óptima, debería ser una potencia de dos. Si es None, se usa frame_length.
• power (float, opcional, valor predeterminado 1.0) — Si es 1.0, devuelve el espectrograma de amplitud. Si es 2.0, devuelve el espectrograma de potencia. Si es None, devuelve números complejos.
• center (bool, opcional, valor predeterminado True) — Indica si se debe rellenar la forma de onda para que el marco t esté centrado en el tiempo t * hop_length. Si es False, el marco t comenzará en el tiempo t * hop_length.
• pad_mode (str, opcional, valor predeterminado "reflect") — Modo de relleno utilizado cuando center es True. Los valores posibles son: "constant" (rellenar con ceros), "edge" (rellenar con los valores del borde), "reflect" (rellenar con valores reflejados).
• onesided (bool, opcional, valor predeterminado True) — Si es True, solo calcula las frecuencias positivas y devuelve un espectrograma que contiene fft_length // 2 + 1 bins de frecuencia. Si es False, también calcula las frecuencias negativas y devuelve fft_length bins de frecuencia.
• 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, opcional) — Coeficiente para un filtro paso bajo que aplica preénfasis antes de la DFT.
• mel_filters (np.ndarray de forma (num_freq_bins, num_mel_filters), opcional) — El banco de filtros mel. Si se proporciona, se aplica este banco de filtros para crear un espectrograma mel.
• mel_floor (float, opcional, valor predeterminado 1e-10) — Valor mínimo de los bancos de frecuencias mel.
• log_mel (str, opcional) — Cómo convertir el espectrograma a escala logarítmica. Las opciones posibles son: None (no convertir), "log" (tomar el logaritmo natural) "log10" (tomar el logaritmo en base 10), "dB" (convertir a decibelios). Solo se puede usar cuando power no es None.
• reference (float, opcional, valor predeterminado 1.0) — Establece el valor del espectrograma de entrada que corresponde a 0 dB. Por ejemplo, use np.max(spectrogram) para establecer la parte más fuerte en 0 dB. Debe ser mayor que cero.
• min_value (float, opcional, valor predeterminado 1e-10) — El espectrograma se recortará a este valor mínimo antes de la conversión a decibelios, para evitar calcular log(0). Para un espectrograma de potencia, el valor predeterminado de 1e-10 corresponde a un mínimo de -100 dB. Para un espectrograma de amplitud, el valor 1e-5 corresponde a -100 dB. Debe ser mayor que cero.
• db_range (float, opcional) — Establece el rango dinámico máximo en decibelios. Por ejemplo, si db_range = 80, la diferencia entre el valor pico y el valor más pequeño nunca será superior a 80 dB. Debe ser mayor que cero.
• remove_dc_offset (bool, opcional) — Resta la media de la forma de onda en cada cuadro, aplicado antes de la preénfasis. Esto debe establecerse en true para obtener los mismos resultados que torchaudio.compliance.kaldi.fbank al calcular los filtros mel.
• dtype (np.dtype, opcional, valor predeterminado np.float32) — Tipo de datos del tensor del espectrograma. Si power es None, este argumento se ignora y el dtype será np.complex64.

Parámetros

• spectrogram (np.ndarray) — El espectrograma de potencia (mel) de entrada. Tenga en cuenta que un espectrograma de potencia tiene las amplitudes al cuadrado.
• reference (float, opcional, valor predeterminado 1.0) — Establece el valor del espectrograma de entrada que corresponde a 0 dB. Por ejemplo, use np.max(spectrogram) para establecer la parte más fuerte en 0 dB. Debe ser mayor que cero.
• min_value (float, opcional, valor predeterminado 1e-10) — El espectrograma se recortará a este valor mínimo antes de la conversión a decibelios, para evitar calcular log(0). El valor predeterminado de 1e-10 corresponde a un mínimo de -100 dB. Debe ser mayor que cero.
• db_range (float, opcional) — Establece el rango dinámico máximo en decibelios. Por ejemplo, si db_range = 80, la diferencia entre el valor pico y el valor más pequeño nunca será superior a 80 dB. Debe ser mayor que cero.

Parámetros

• spectrogram (np.ndarray) — El espectrograma de amplitud (mel) de entrada.
• reference (float, opcional, valor predeterminado 1.0) — Establece el valor del espectrograma de entrada que corresponde a 0 dB. Por ejemplo, use np.max(spectrogram) para establecer la parte más fuerte en 0 dB. Debe ser mayor que cero.
• min_value (float, opcional, valor predeterminado 1e-5) — El espectrograma se recortará a este valor mínimo antes de la conversión a decibelios, para evitar calcular log(0). El valor predeterminado de 1e-5 corresponde a un mínimo de -100 dB. Debe ser mayor que cero.
• db_range (float, opcional) — Establece el rango dinámico máximo en decibelios. Por ejemplo, si db_range = 80, la diferencia entre el valor pico y el valor más pequeño nunca será superior a 80 dB. Debe ser mayor que cero.