API 速查

以下均可从 voxmorph 顶层或对应子模块导入。数组统一为 (帧数, 频带数) 布局。

顶层

名称	说明
`VoiceConverter`	零样本语音转换器
`SpeakerEncoder`	说话人嵌入编码器
`ContentEncoder`	说话人无关的内容编码器
`FeatureConfig` / `ConversionConfig`	前端与合成的配置 dataclass
`read_wav` / `write_wav`	WAV 读写
`__version__`	版本号字符串

VoiceConverter(feature_config=FeatureConfig(), conversion_config=ConversionConfig())

方法	返回	说明
`convert(source, target, length=None)`	波形	端到端音色转换
`convert_with_stats(source, target_stats, length=None)`	波形	复用预先算好的目标统计量
`convert_spectrogram(source, target)`	对数幅度谱	只做特征域转换
`speaker_stats(audio)`	`ChannelStats`	目标说话人的逐频带统计量

函数	说明
`stft(x, n_fft, hop_length, ...)` / `istft(...)`	STFT 与逆变换
`melspectrogram(x, config)`	mel 功率谱
`mfcc(x, config, n_mfcc=None)`	MFCC
`griffin_lim(magnitude, feature_config, ...)`	幅度谱 → 波形
`get_window(name, length)`	分析窗

函数	说明
`mel_cepstral_distortion(ref, test, config=None)`	梅尔倒谱失真
`log_spectral_distance(ref, test, config=None)`	对数谱距离
`signal_to_noise_ratio(ref, test)`	时域 SNR
`spectral_convergence(ref, test, config=None)`	谱收敛度
`cosine_similarity(a, b)` / `speaker_similarity(a, b, encoder=None)`	相似度
`equal_error_rate(scores, labels)`	等错误率

函数	说明
`get_backend(name)`	按名字获取后端（`"numpy"` / `"torch"`）
`resolve_backend(backend)`	归一化名字 / 实例 / `None` 为后端对象