【项目实战】AUTOVC 代码解析 —— make_spect.py

AUTOVC 代码解析 —— make_spect.py

  简介

       本项目一个基于 AUTOVC 模型的语音转换项目，它是使用 PyTorch 实现的(项目地址)。
       
        AUTOVC 遵循自动编码器框架，只对自动编码器损耗进行训练，但它引入了精心调整的降维和时间下采样来约束信息流，这个简单的方案带来了显著的性能提高。(详情请参阅 AUTOVC 的详细介绍)。
       
       由于 AUTOVC 项目较大，代码较多。为了方便学习与整理，将按照工程文件的结构依次介绍。
       
       本文将介绍项目中的 make_spect.py 文件：读取音频文件，并转换为 Mel 频谱保存。
       

  函数解析

      butter_highpass

          该函数的作用是： 创建一个高通滤波器，得到滤波器系数：分子(’ b ‘)和分母(’ a ')多项式

          输入参数：

		cutoff	:	滤波器截止频率
		fs		:	样本采样率
		order	:	滤波器阶数

          输出参数：

		b, a	:	IIR 滤波器的分子(' b ')和分母(' a ')多项式

          代码详解：

		def butter_highpass(cutoff, fs, order=5):
		    # 取一半的 fs 标量，fs 是采样率， nyq 与尼奎斯特定理有关
		    nyq = 0.5 * fs
		    # cutoff 是截止频率，需要标准化（我也不懂，想问问神奇海螺）
		    normal_cutoff = cutoff / nyq
		    
		    # 设计一个 n 阶数字或模拟巴特沃斯滤波器并返回滤波器系数，其中：
		    #  order 是 int 型整数，代表设计的滤波器的阶数;
		    #  normal_cutoff 为临界频率，这里作为高通滤波器的标量，对于数字滤波器， normal_cutoff 与 fs (采样率)的单位相同。
		    # 默认情况下， fs 是 2 个半周期/样本，所以这些从 0 到 1 标准化，其中 1 是尼奎斯特频率。(因此， normal_cutoff 是半周期/样本。)(我也没看懂，等待大佬相助)；
		    #  btype 为可选过滤器的类型，在这里默认为 'high' ，选择高通滤波器;
		    #  analog 为滤波器返回标志：当为 True 时，返回一个模拟滤波器，否则返回一个数字滤波器。这里代表设计的是一个数字滤波器；
		    # 综上所述，这里创建了一个 order 阶临界频率为 normal_cutoff 的高通滤波器，并返回了 IIR 滤波器的分子(' b ')和分母(' a ')多项式。
		    b, a = signal.butter(order, normal_cutoff, btype='high', analog=False)
		    
		    # 返回IIR 滤波器的分子(' b ')和分母(' a ')多项式
		    return b, a

       

      pySTFT

          该函数的作用是： 实现给定样本片段的短时傅里叶变换

          输入参数：

		x			:	音频样本
		fft_length	:	傅里叶变换的长度
		hop_length	:	跳跃的长度