尝试训练神经网络处理音频数据，我想评估一些内部表示。其中一个是没有相位信息的幅度谱图，但是在Hann窗口之间有很高的重叠。
有没有办法可以使用tf.contrib.signal.inverse_stft从这个仅幅度谱图中生成音频信号？如果没有，是否有其他直接的方法（例如影响白噪声带通滤波器总和的东西）来做这个？
答案 0 :(得分：1)
我对tf的inverse_stft了解不多；它似乎需要附加的窗口功能才能正常工作。
但是要从没有相位信息的STFT估计原始波形，您可能需要查看Griffin-Lim算法或以Mel频谱图为条件的WaveNet声码器（可以从STFT的线性频谱图得出）。
格里芬·林（Griffin-Lim）阿尔格：https://github.com/bkvogel/griffin_lim
WaveNet声码器：https://github.com/r9y9/wavenet_vocoder