AudioSpectrogram

समय के साथ ऑडियो डेटा का विज़ुअलाइज़ेशन तैयार करता है।

स्पेक्ट्रोग्राम ऑडियो जानकारी को आवृत्ति जानकारी के स्लाइस की एक श्रृंखला के रूप में प्रस्तुत करने का एक मानक तरीका है, समय की प्रत्येक विंडो के लिए एक स्लाइस। इन्हें एक क्रम में जोड़कर, वे समय के साथ ध्वनि का एक विशिष्ट फिंगरप्रिंट बनाते हैं।

यह ऑप एक इनपुट के रूप में ऑडियो डेटा प्राप्त करने की अपेक्षा करता है, जिसे -1 से 1 की रेंज में फ़्लोट के रूप में संग्रहीत किया जाता है, साथ में नमूनों में एक विंडो की चौड़ाई, और स्लाइस के बीच विंडो को कितनी दूर ले जाना है यह निर्दिष्ट करने वाला एक स्ट्राइड। इससे यह त्रि-आयामी आउटपुट उत्पन्न करता है। पहला आयाम इनपुट में चैनलों के लिए है, इसलिए उदाहरण के लिए स्टीरियो ऑडियो इनपुट में यहां दो होंगे। दूसरा आयाम समय है, क्रमिक आवृत्ति स्लाइस के साथ। तीसरे आयाम में उस समय स्लाइस के दौरान प्रत्येक आवृत्ति के लिए एक आयाम मान होता है।

इसका मतलब यह है कि जब लेआउट को एक छवि के रूप में परिवर्तित और सहेजा जाता है तो उसे एक सामान्य स्पेक्ट्रोग्राम से 90 डिग्री दक्षिणावर्त घुमाया जाता है। समय Y अक्ष से नीचे की ओर उतर रहा है, और आवृत्ति बाएँ से दाएँ घटती जाती है।

परिणाम में प्रत्येक मान नमूनों की वर्तमान विंडो पर एफएफटी के वास्तविक और काल्पनिक भागों के योग के वर्गमूल को दर्शाता है। इस तरह, सबसे निचला आयाम वर्तमान विंडो में प्रत्येक आवृत्ति की शक्ति का प्रतिनिधित्व करता है, और आसन्न विंडो को अगले आयाम में संयोजित किया जाता है।

यह ऑपरेशन क्या करता है, इसे अधिक सहज और दृश्य रूप से देखने के लिए, आप एक ऑडियो फ़ाइल में पढ़ने के लिए टेंसरफ्लो/उदाहरण/wav_to_स्पेक्ट्रोग्राम चला सकते हैं और परिणामी स्पेक्ट्रोग्राम को पीएनजी छवि के रूप में सहेज सकते हैं।