Parâmetros

• freq (float ou np.ndarray) — A frequência, ou múltiplas frequências, em hertz (Hz).
• mel_scale (str, opcional, padrão "htk") — A escala de frequência mel a ser utilizada, "htk", "kaldi" ou "slaney".

Parâmetros

• mels (float ou np.ndarray) — A frequência, ou múltiplas frequências, em mels.
• mel_scale (str, opcional, "htk") — A escala de frequência mel a ser utilizada: "htk", "kaldi" ou "slaney".

Parâmetros

• num_frequency_bins (int) — Número de bins de frequência (deve ser igual a n_fft // 2 + 1, onde n_fft é o tamanho da Transformada de Fourier usada para calcular o espectrograma).
• num_mel_filters (int) — Número de filtros mel a serem gerados.
• min_frequency (float) — Frequência mínima de interesse em Hz.
• max_frequency (float) — Frequência máxima de interesse em Hz. Este valor não deve exceder sampling_rate / 2.
• sampling_rate (int) — Taxa de amostragem da forma de onda de áudio.
• norm (str, opcional) — Se "slaney", divide os pesos triangulares de mel pela largura da banda de mel (normalização de área).
• mel_scale (str, opcional, padrão "htk") — A escala de frequência mel a ser utilizada, "htk", "kaldi" ou "slaney".
• triangularize_in_mel_space (bool, opcional, padrão False) — Se esta opção estiver habilitada, o filtro triangular é aplicado no espaço mel em vez do espaço de frequência. Isso deve ser definido como true para obter os mesmos resultados que o torchaudio ao calcular filtros mel.

Parâmetros

• window_length (int) — O comprimento da janela em amostras.
• name (str, opcional, padrão "hann") — O nome da função de janela.
• periodic (bool, opcional, padrão True) — Se a janela é periódica ou simétrica.
• frame_length (int, opcional) — O comprimento dos quadros de análise em amostras. Forneça um valor para frame_length se a janela for menor que o comprimento do quadro, para que ele seja preenchido com zeros.
• center (bool, opcional, padrão True) — Se deve centralizar a janela dentro do buffer da FFT. Usado apenas quando frame_length é fornecido.

Parâmetros

• waveform (np.ndarray de forma (length,)) — A forma de onda de entrada. Esta deve ser uma forma de onda mono, de valor real único.
• window (np.ndarray de forma (frame_length,)) — A função de janelamento a ser aplicada, incluindo o preenchimento com zeros, se necessário. O comprimento real da janela pode ser menor que frame_length, mas assumimos que o array já foi preenchido com zeros.
• frame_length (int) — O comprimento dos quadros de análise em amostras. Com o librosa, isso é sempre igual a fft_length, mas também permitimos tamanhos menores.
• hop_length (int) — O deslocamento entre os quadros de análise sucessivos, em amostras.
• fft_length (int, opcional) — O tamanho do buffer de FFT em amostras. Isso determina quantos bins de frequência o espectrograma terá. Para velocidade ótima, este valor deve ser uma potência de dois. Se for None, usa frame_length.
• power (float, opcional, padrão 1.0) — Se 1.0, retorna o espectrograma de amplitude. Se 2.0, retorna o espectrograma de potência. Se None, retorna números complexos.
• center (bool, opcional, padrão True) — Indica se a forma de onda deve ser preenchida para que o quadro t esteja centralizado em torno do tempo t * hop_length. Se False, o quadro t começará no tempo t * hop_length.
• pad_mode (str, opcional, padrão "reflect") — Modo de preenchimento usado quando center é True. Os valores possíveis são: "constant" (preenche com zeros), "edge" (preenche com os valores da borda), "reflect" (preenche com valores espelhados).
• onesided (bool, opcional, padrão True) — Se True, calcula apenas as frequências positivas e retorna um espectrograma contendo fft_length // 2 + 1 bins de frequência. Se False, também calcula as frequências negativas e retorna fft_length bins de frequência.
• 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 um filtro passa-baixa que aplica pré-ênfase antes da DFT.
• mel_filters (np.ndarray de forma (num_freq_bins, num_mel_filters), opcional) — O banco de filtros mel. Se fornecido, aplica este banco de filtros para criar um espectrograma mel.
• mel_floor (float, opcional, padrão 1e-10) — Valor mínimo dos bancos de frequência mel.
• log_mel (str, opcional) — Como converter o espectrograma para a escala logarítmica. As opções possíveis são: None (não converter), "log" (aplicar o logaritmo natural) "log10" (aplicar o logaritmo na base 10), "dB" (converter para decibéis). Pode ser usado apenas quando power não for None.
• reference (float, opcional, padrão 1.0) — Define o valor do espectrograma de entrada que corresponde a 0 dB. Por exemplo, use np.max(spectrogram) para definir a parte mais alta como 0 dB. Deve ser maior que zero.
• min_value (float, opcional, padrão 1e-10) — O espectrograma será limitado a este valor mínimo antes da conversão para decibéis, para evitar calcular log(0). Para um espectrograma de potência, o valor padrão de 1e-10 corresponde a um mínimo de -100 dB. Para um espectrograma de amplitude, o valor 1e-5 corresponde a -100 dB. Deve ser maior que zero.
• db_range (float, opcional) — Define a faixa dinâmica máxima em decibéis. Por exemplo, se db_range = 80, a diferença entre o valor de pico e o menor valor nunca será superior a 80 dB. Deve ser maior que zero.
• remove_dc_offset (bool, opcional) — Subtrai a média da forma de onda em cada quadro, aplicado antes da pré-ênfase. Isso deve ser definido como true para obter os mesmos resultados que torchaudio.compliance.kaldi.fbank ao calcular os filtros mel.
• dtype (np.dtype, opcional, padrão np.float32) — Tipo de dados do tensor do espectrograma. Se power for None, este argumento é ignorado e o dtype será np.complex64.

Parâmetros

• spectrogram (np.ndarray) — O espectrograma de potência (mel) de entrada. Observe que um espectrograma de potência tem as amplitudes ao quadrado!
• reference (float, opcional, padrão 1.0) — Define o valor do espectrograma de entrada que corresponde a 0 dB. Por exemplo, use np.max(spectrogram) para definir a parte mais alta como 0 dB. Deve ser maior que zero.
• min_value (float, opcional, padrão 1e-10) — O espectrograma será limitado a este valor mínimo antes da conversão para decibéis, para evitar calcular log(0). O padrão de 1e-10 corresponde a um mínimo de -100 dB. Deve ser maior que zero.
• db_range (float, opcional) — Define a faixa dinâmica máxima em decibéis. Por exemplo, se db_range = 80, a diferença entre o valor de pico e o menor valor nunca será superior a 80 dB. Deve ser maior que zero.

Parâmetros

• spectrogram (np.ndarray) — O espectrograma de amplitude (mel) de entrada.
• reference (float, opcional, padrão 1.0) — Define o valor do espectrograma de entrada que corresponde a 0 dB. Por exemplo, use np.max(spectrogram) para definir a parte mais alta como 0 dB. Deve ser maior que zero.
• min_value (float, opcional, padrão 1e-5) — O espectrograma será limitado a este valor mínimo antes da conversão para decibéis, para evitar calcular log(0). O valor padrão de 1e-5 corresponde a um mínimo de -100 dB. Deve ser maior que zero.
• db_range (float, opcional) — Define a faixa dinâmica máxima em decibéis. Por exemplo, se db_range = 80, a diferença entre o valor de pico e o menor valor nunca será superior a 80 dB. Deve ser maior que zero.