OpenL3嵌入

声音数据,指定为一个一个频道的信号(列向量)。如果输入信号的采样率(Hz)是48 e3,没有任何限制输入帧长度。如果输入信号的采样率(Hz)不同于48 e3,然后输入帧长度必须大量毁灭的多个因素的重采样操作执行。如果输入帧长度不满足这个条件,块抛出一个错误消息与信息大量毁灭的因素。

数据类型:单|双

输出嵌入,返回一个行向量的长度是指定的嵌入长度参数。

数据类型:单

输入信号的采样率Hz,指定为一个积极的标量。

连续谱图之间的重叠比例指定为一个标量范围在[0 100)。

类型的光谱产生的音频和作为神经网络的输入,指定为梅尔(128乐队),梅尔(256乐队),或线性。

神经网络训练的音频内容类型,指定为环境声音或音乐听起来。设置这个参数环境声音使用神经网络pretrained环境音频数据,并设置它音乐听起来使用一个网络pretrained音乐数据。

输出嵌入长度指定为512年或6144年。