问我如何知道哪些频谱图帧属于哪些音频样本？
EN

Stack Overflow用户

提问于 2021-07-13 06:48:32

回答 1查看 27关注 0票数 3

我一直在使用这个脚本：

spgram = torchaudio.transforms.Spectrogram(512, hop_length=32)
audio = spgram(audio)

去获取一些立体声音乐音频的频谱图。我期望得到的频谱图具有[2,257，shape o.shape1/32]的形状，然而，事实并非如此。例如，大小为2, 199488的音频剪辑生成大小为2, 257, 6241的语谱图。为什么会这样呢？以及如何将帧位置转换为示例位置？

发布于 2021-10-04 20:30:12

请参见center参数。

是否在两侧填充waveform，以便t-th框架在时间t x hop_length处居中。(默认值：True)

因此，默认情况下，信号是用零填充的。填充长度可能是(win_length - hop_length)。这最终使得(win_length - hop_length) / hop_length的结果变得更长，在您的例子中是7。

票数 0

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/68354602

复制

相似问题

问我如何知道哪些频谱图帧属于哪些音频样本？EN