正确使用张量流STFT功能

Question

我正在尝试构建类似于使用Audacity创建的音频样本的绘图频谱。从Audacity的维基页面，绘图谱（附加示例）执行：

  

Plot Spectrum将音频采用“大小”样本的块进行处理   FFT，并将所有块平均在一起。

我以为我会使用Tensorflow最近提供的STFT功能。

我正在使用大小为512的音频块，我的代码如下：

audio_binary = tf.read_file(audio_file)
waveform = tf.contrib.ffmpeg.decode_audio(
    audio_binary,
    file_format="wav",
    samples_per_second=4000,
    channel_count=1
)

stft = tf.contrib.signal.stft(
    waveform,
    512,     # frame_length
    512,     # frame_step
    fft_length=512,
    window_fn=functools.partial(tf.contrib.signal.hann_window, periodic=True), # matches audacity
    pad_end=True,
    name="STFT"
)

但是当我期望每帧（512个样本）的FFT结果时，stft的结果只是一个空数组

我打电话的方式出了什么问题？

我已经确认只使用常规tf.fft功能正确读取波形音频数据。

Answer 1

audio_file = tf.placeholder(tf.string)

audio_binary = tf.read_file(audio_file)
waveform = tf.contrib.ffmpeg.decode_audio(
    audio_binary,
    file_format="wav",
    samples_per_second=sample_rate,    # Get Info on .wav files (sample rate)
    channel_count=1             # Get Info on .wav files (audio channels)
)

stft = tf.contrib.signal.stft(
    tf.transpose(waveform),
    frame_length,     # frame_lenght, hmmm
    frame_step,     # frame_step, more hmms
    fft_length=fft_length,
    window_fn=functools.partial(tf.contrib.signal.hann_window, 
            periodic=False), # matches audacity
    pad_end=False,
    name="STFT"
)