比较与torchaudio.transforms.MelScale的差异

torchaudio.transforms.MelScale

class torchaudio.transforms.MelScale(n_mels: int = 128, sample_rate: int = 16000, f_min: float = 0.0, f_max: Optional[float] = None,
                                     n_stft: Optional[int] = None, norm: Optional[str] = None)

更多内容详见torchaudio.transforms.MelScale。

mindspore.dataset.audio.MelScale

class mindspore.dataset.audio.MelScale(n_mels=128, sample_rate=16000, f_min=0.0, f_max=None,
                                       n_stft=201, norm=NormType.NONE, mel_type=MelType.HTK)

更多内容详见mindspore.dataset.audio.MelScale。

差异对比

PyTorch：将普通STFT转换为梅尔尺度的STFT。

MindSpore：将普通STFT转换为梅尔尺度的STFT，支持指定梅尔频谱的尺度。

分类	子类	PyTorch	MindSpore	差异
参数	参数1	n_mels	n_mels	-
	参数2	sample_rate	sample_rate	-
	参数4	f_min	f_min	-
	参数5	f_max	f_max	-
	参数6	n_stft	n_stft	-
	参数10	norm	norm	-
	参数11	-	mel_type	要使用的Mel尺度

代码示例

import numpy as np

fake_input = np.array([[1., 1.],
                       [0., 0.],
                       [1., 1.],
                       [1., 1.]]).astype(np.float32)

# PyTorch
import torch
import torchaudio.transforms as T

transformer = T.MelScale(n_stft=4, n_mels=2)
torch_result = transformer(torch.from_numpy(fake_input))
print(torch_result)
# Out: tensor([[0.0000, 0.0000],
#              [0.5394, 0.5394]])

# MindSpore
import mindspore.dataset.audio as audio

transformer = audio.MelScale(n_stft=4, n_mels=2)
ms_result = transformer(fake_input)
print(ms_result)
# Out: [[0.         0.        ]
#       [0.53936154 0.53936154]]