add audio doc (#5299)

* add audio doc

* fix typo

* fix code link && punctuation

* fix typo

* fix features overivew link

* add example

* fix mfcc doc

* add get_window

* update code example

* rm example

* format

* rm code example in cn

docs/api/paddle/audio/Overview_cn.rst

@@ -0,0 +1,41 @@
+.. _cn_overview_callbacks:
+
+paddle.audio
+---------------------
+
+paddle.audio 目录是飞桨在语音领域的高层 API。具体如下：
+
+-  :ref:`音频特征相关 API <about_features>`
+-  :ref:`音频处理基础函数相关 API <about_functional>`
+
+.. _about_features:
+
+音频特征相关 API
+::::::::::::::::::::
+
+.. csv-table::
+    :header: "API 名称", "API 功能"
+    :widths: 10, 30
+
+    " :ref:`LogMelSpectrogram <cn_api_audio_features_LogMelSpectrogram>` ", "计算语音特征 LogMelSpectrogram"
+    " :ref:`MelSpectrogram <cn_api_audio_features_MelSpectrogram>` ", "计算语音特征 MelSpectrogram"
+    " :ref:`MFCC <cn_api_audio_features_MFCC>` ", "计算语音特征 MFCC"
+    " :ref:`Spectrogram <cn_api_audio_features_Spectrogram>` ", "计算语音特征 Spectrogram"
+
+.. _about_functional:
+
+音频处理基础函数相关 API
+::::::::::::::::::::
+
+.. csv-table::
+    :header: "API 名称", "API 功能"
+    :widths: 10, 30
+
+    " :ref:`compute_fbank_matrix <cn_api_audio_functional_compute_fbank_matrix>` ", "计算 fbank 矩阵"
+    " :ref:`create_dct <cn_api_audio_functional_create_dct>` ", "计算离散余弦变化矩阵"
+    " :ref:`fft_frequencies <cn_api_audio_functional_fft_frequencies>` ", "计算离散傅里叶采样频率"
+    " :ref:`hz_to_mel<cn_api_audio_functional_hz_to_mel>` ", "转换 hz 频率为 mel 频率"
+    " :ref:`mel_to_hz<cn_api_audio_functional_mel_to_hz>` ", "转换 mel 频率为 hz 频率"
+    " :ref:`mel_frequencies<cn_api_audio_functional_mel_frequencies>` ", "计算 mel 频率"
+    " :ref:`power_to_db<cn_api_audio_functional_power_to_db>` ", "转换能量谱为分贝"
+    " :ref:`get_window<cn_api_audio_functional_get_window>` ", "得到各种窗函数"

docs/api/paddle/audio/features/LogMelSpectrogram_cn.rst

@@ -0,0 +1,40 @@
+.. _cn_api_audio_features_LogMelSpectrogram:
+
+LogMelSpectrogram
+-------------------------------
+
+.. py:class:: paddle.audio.features.LogMelSpectrogram(sr=22050, n_fft=2048, hop_length=512, win_length=None, window='hann', power=2.0, center=True, pad_mode='reflect', n_mels=64, f_min=50.0, f_max=None, htk=False, norm='slaney', ref_value=1.0, amin=1e-10, top_db=None, dtype='float32')
+
+计算给定信号的 log-mel 谱。
+
+参数
+::::::::::::
+
+    - **sr** (int) - 采样率，默认 22050。
+    - **n_fft** (int) - 离散傅里叶变换中频率窗大小，默认 512。
+    - **hop_length**  (int，可选) - 帧移，默认 512。
+    - **win_length**  (int，可选) - 短时 FFT 的窗长，默认为 None。
+    - **window**  (str) - 窗函数名，默认'hann'。
+    - **power**  (float) - 幅度谱的指数。
+    - **center**  (bool) - 对输入信号填充，如果 True，那么 t 以 t*hop_length 为中心，如果为 False，则 t 以 t*hop_length 开始。
+    - **pad_mode**  (str) - 如果 center 是 True，选择填充的方式，默认值是'reflect'。
+    - **n_mels** (int) - mel bins 的数目。
+    - **f_min** (float，可选) - 最小频率(hz)，默认 50.0。
+    - **f_max** (float，可选) - 最大频率(hz)，默认为 None。
+    - **htk** (bool，可选) - 在计算 fbank 矩阵时是否用在 HTK 公式缩放.
+    - **norm** (Union[str，float]，可选) - 计算 fbank 矩阵时正则化的种类，默认是'slaney'，你也可以 norm=0.5，使用 p-norm 正则化.
+    - **ref_value** (float) - 参照值,如果小于 1.0，信号的 db 会被提升，相反 db 会下降，默认值为 1.0.
+    - **amin** (float) - 输入的幅值的最小值.
+    - **top_db** (float，可选) - log-mel 谱的最大值(db).
+    - **dtype**  (str) - 输入和窗的数据类型，默认是'float32'.
+
+
+返回
+:::::::::
+
+计算``LogMelSpectrogram``的可调用对象.
+
+代码示例
+:::::::::
+
+COPY-FROM: paddle.audio.features.layers.LogMelSpectrogram

docs/api/paddle/audio/features/MFCC_cn.rst

@@ -0,0 +1,40 @@
+.. _cn_api_audio_features_MFCC:
+
+MFCC
+-------------------------------
+
+.. py:class:: paddle.audio.features.MFCC(sr=22050, n_mfcc=40, n_fft=2048, hop_length=512, win_length=None, window='hann', power=2.0, center=True, pad_mode='reflect', n_mels=64, f_min=50.0, f_max=None, htk=False, norm='slaney', ref_value=1.0, amin=1e-10, top_db=None, dtype='float32')
+
+计算给定信号的 MFCC。
+
+参数
+::::::::::::
+
+    - **sr** (int，可选) - 采样率，默认 22050。
+    - **n_mfcc** (int，可选) - mfcc 的维度，默认 40。
+    - **n_fft** (int) - 离散傅里叶变换中频率窗大小，默认 512。
+    - **hop_length**  (int，可选) - 帧移，默认 512。
+    - **win_length**  (int，可选) - 短时 FFT 的窗长，默认为 None。
+    - **window**  (str) - 窗函数名，默认'hann'。
+    - **power**  (float) - 幅度谱的指数。
+    - **center**  (bool) - 对输入信号填充，如果 True，那么 t 以 t*hop_length 为中心，如果为 False，则 t 以 t*hop_length 开始。
+    - **pad_mode**  (str) - 如果 center 是 True，选择填充的方式，默认值是'reflect'.
+    - **n_mels** (int) - mel bins 的数目。
+    - **f_min** (float，可选) - 最小频率(hz)，默认 50.0。
+    - **f_max** (float，可选) - 最大频率(hz)，默认为 None。
+    - **htk** (bool，可选) - 在计算 fbank 矩阵时是否用在 HTK 公式缩放。
+    - **norm** (Union[str，  float]，  optional) - 计算 fbank 矩阵时正则化的种类，默认是'slaney'，你也可以 norm=0.5，使用 p-norm 正则化。
+    - **ref_value** (float) - 参照值， 如果小于 1.0，信号的 db 会被提升， 相反 db 会下降， 默认值为 1.0。
+    - **amin** (float) - 输入的幅值的最小值。
+    - **top_db** (float，可选) - log-mel 谱的最大值(db)。
+    - **dtype**  (str) - 输入和窗的数据类型，默认是'float32'。
+
+返回
+:::::::::
+
+计算``MFCC``的可调用对象。
+
+代码示例
+:::::::::
+
+COPY-FROM: paddle.audio.features.layers.MFCC

docs/api/paddle/audio/features/MelSpectrogram_cn.rst

@@ -0,0 +1,37 @@
+.. _cn_api_audio_features_MelSpectrogram:
+
+MelSpectrogram
+-------------------------------
+
+.. py:class:: paddle.audio.features.MelSpectrogram(sr=22050, n_fft=2048, hop_length=512, win_length=None, window='hann', power=2.0, center=True, pad_mode='reflect', n_mels=64, f_min=50.0, f_max=None, htk=False, norm='slaney', dtype='float32')
+
+求得给定信号的 Mel 谱。
+
+参数
+::::::::::::
+
+    - **sr** (int，可选) - 采样率，默认 22050。
+    - **n_fft** (int) - 离散傅里叶变换中频率窗大小，默认 512。
+    - **hop_length**  (int，可选) - 帧移，默认 512。
+    - **win_length**  (int，可选) - 短时 FFT 的窗长，默认为 None。
+    - **window**  (str) - 窗函数名，默认'hann'。
+    - **power**  (float) - 幅度谱的指数。
+    - **center**  (bool) - 对输入信号填充，如果 True，那么 t 以 t*hop_length 为中心，如果为 False，则 t 以 t*hop_length 开始。
+    - **pad_mode**  (str) - 如果 center 是 True，选择填充的方式.默认值是'reflect'。
+    - **n_mels** (int) - mel bins 的数目。
+    - **f_min** (float，可选) - 最小频率(hz)，默认 50.0。
+    - **f_max** (float，可选) - 最大频率(hz)，默认为 None。
+    - **htk** (bool，可选) - 在计算 fbank 矩阵时是否用在 HTK 公式缩放。
+    - **norm** (Union[str，float]，可选) -计算 fbank 矩阵时正则化的种类，默认是'slaney'，你也可以 norm=0.5，使用 p-norm 正则化。
+    - **dtype**  (str) - 输入和窗的数据类型，默认是'float32'。
+
+
+返回
+:::::::::
+
+计算``MelSpectrogram``的可调用对象。
+
+代码示例
+:::::::::
+
+COPY-FROM: paddle.audio.features.MelSpectrogram

docs/api/paddle/audio/features/Spectrogram_cn.rst

@@ -0,0 +1,30 @@
+.. _cn_api_audio_features_Spectrogram:
+
+Spectrogram
+-------------------------------
+
+.. py:class:: paddle.audio.features.Spectrogram(n_fft=512, hop_length=512, win_length=None, window='hann', power=1.0, center=True, pad_mode='reflect', dtype='float32')
+
+通过给定信号的短时傅里叶变换得到频谱。
+
+参数
+::::::::::::
+
+    - **n_fft** (int) - 离散傅里叶变换中频率窗大小，默认 512。
+    - **hop_length**  (int，可选) - 帧移，默认 512。
+    - **win_length**  (int，可选) - 短时 FFT 的窗长，默认为 None。
+    - **window**  (str) - 窗函数名，默认'hann'。
+    - **power**  (float) - 幅度谱的指数。
+    - **center**  (bool) - 对输入信号填充，如果 True，那么 t 以 t*hop_length 为中心，如果为 False，则 t 以 t*hop_length 开始。
+    - **pad_mode**  (str) - 如果 center 是 True，选择填充的方式.默认值是'reflect'。
+    - **dtype**  (str) - 输入和窗的数据类型，默认是'float32'。
+
+
+返回
+:::::::::
+
+计算``Spectrogram``的可调用对象.
+
+代码示例
+:::::::::
+COPY-FROM: paddle.audio.features.Spectrogram

docs/api/paddle/audio/functional/compute_fbank_matrix_cn.rst

@@ -0,0 +1,30 @@
+.. _cn_api_audio_functional_compute_fbank_matrix:
+
+compute_fbank_matrix
+-------------------------------
+
+.. py:function:: paddle.audio.functional.compute_fbank_matrix(sr, n_fft, n_mels=64, f_min=0.0, f_max=None, htk=False, nrom='slaney', dtype='float32')
+
+计算 mel 变换矩阵。
+
+参数
+::::::::::::
+
+    - **sr** (int) - 采样率。
+    - **n_fft** (int) - fft bins 的数目。
+    - **n_mels** (float) - mels bins 的数目。
+    - **f_min** (float) - 最小频率(hz)。
+    - **f_max** (Optional[float]) -最大频率(hz)。
+    - **htk** (bool) -是否使用 htk 缩放。
+    - **norm** (Union[str，float]) -norm 的类型，默认是'slaney'。
+    - **dtype** (str) - 返回矩阵的数据类型，默认'float32'。
+
+返回
+:::::::::
+
+``paddle.Tensor``,Tensor shape (n_mels, n_fft//2 + 1)。
+
+代码示例
+:::::::::
+
+COPY-FROM: paddle.audio.functional.compute_fbank_matrix

docs/api/paddle/audio/functional/create_dct_cn.rst

@@ -0,0 +1,26 @@
+.. _cn_api_audio_functional_create_dct:
+
+create_dct
+-------------------------------
+
+.. py:function:: paddle.audio.functional.create_dct(n_mfcc, n_mels, norm='ortho', dtype='float32')
+
+计算离散余弦变换矩阵。
+
+参数
+::::::::::::
+
+    - **n_mfcc** (float) - mel 倒谱系数数目。
+    - **n_mels** (int) - mel 的 fliterbank 数。
+    - **norm** (float) - 正则化类型, 默认值是'ortho'。
+    - **dtype** (str) - 默认'float32'。
+
+返回
+:::::::::
+
+``paddle.Tensor``,Tensor shape (n_mels, n_mfcc)。
+
+代码示例
+:::::::::
+
+COPY-FROM: paddle.audio.functional.create_dct

docs/api/paddle/audio/functional/fft_frequencies_cn.rst

@@ -0,0 +1,25 @@
+.. _cn_api_audio_functional_fft_frequencies:
+
+fft_frequencies
+-------------------------------
+
+.. py:function:: paddle.audio.functional.fft_frequencies(sr, n_fft, dtype='float32')
+
+计算 fft 频率。
+
+参数
+::::::::::::
+
+    - **sr** (int) - 采样率。
+    - **n_fft** (int) - fft bins 的数目。
+    - **dtype** (str) - 默认'float32'。
+
+返回
+:::::::::
+
+``paddle.Tensor``,Tensor shape (n_fft//2 + 1,)。
+
+代码示例
+:::::::::
+
+COPY-FROM: paddle.audio.functional.fft_frequencies

docs/api/paddle/audio/functional/get_window_cn.rst

@@ -0,0 +1,26 @@
+.. _cn_api_audio_functional_get_window:
+
+get_window
+-------------------------------
+
+.. py:function:: paddle.audio.functional.get_window(window, win_length, fftbins=True, dtype='float64')
+
+根据参数给出对应长度和类型的窗函数。
+
+参数
+::::::::::::
+
+    - **window** (str 或者 Tuple[str, float]) - 窗函数类型,或者(窗参数类型, 窗函数参数), 支持的窗函数类型'hamming', 'hann', 'kaiser', 'gaussian', 'exponential', 'triang', 'bohman', 'blackman', 'cosine', 'tukey', 'taylor'。
+    - **win_length** (int) - 采样点数。
+    - **fftbins** (bool) -  如果是 True,给出一个周期性的窗, 如果是 False 给出一个对称性的窗,默认是 True。
+    - **dtype** (str) - 默认'float64'。
+
+返回
+:::::::::
+
+``paddle.Tensor``,对应窗表征的 Tensor 。
+
+代码示例
+:::::::::
+
+COPY-FROM: paddle.audio.functional.get_window

docs/api/paddle/audio/functional/hz_to_mel_cn.rst

@@ -0,0 +1,24 @@
+.. _cn_api_audio_functional_hz_to_mel:
+
+hz_to_mel
+-------------------------------
+
+.. py:function:: paddle.audio.functional.hz_to_mel(feq, htk=False)
+
+转换 Hz 为 Mels。
+
+参数
+::::::::::::
+
+    - **freq** (Tensor, float) - 输入 tensor。
+    - **htk** (bool) - 是否使用 htk 缩放, 默认 False。
+
+返回
+:::::::::
+
+``paddle.Tensor 或 float``, mels 值。
+
+代码示例
+:::::::::
+
+COPY-FROM: paddle.audio.functional.hz_to_mel

docs/api/paddle/audio/functional/mel_frequencies_cn.rst

@@ -0,0 +1,27 @@
+.. _cn_api_audio_functional_mel_frequencies:
+
+mel_frequencies
+-------------------------------
+
+.. py:function:: paddle.audio.functional.mel_frequencies(n_mels=64, f_min=0.0, f_max=11025, htk=False, dtype='float32')
+
+计算 Mels 频率。
+
+参数
+::::::::::::
+
+    - **n_mels** (int) - 输入 tensor, 默认 64。
+    - **f_min** (float) - 最小频率(hz), 默认 0.0。
+    - **f_max** (float) - 最大频率(hz), 默认 11025.0。
+    - **htk** (bool) - 是否使用 htk 缩放, 默认 False。
+    - **dtype** (str) - 默认'float32'。
+
+返回
+:::::::::
+
+``paddle.Tensor``,Tensor shape (n_mels,)。
+
+代码示例
+:::::::::
+
+COPY-FROM: paddle.audio.functional.mel_frequencies

docs/api/paddle/audio/functional/mel_to_hz_cn.rst

@@ -0,0 +1,24 @@
+.. _cn_api_audio_functional_mel_to_hz:
+
+mel_to_hz
+-------------------------------
+
+.. py:function:: paddle.audio.functional.mel_to_hz(feq, htk=False)
+
+转换 Mels 为 Hz。
+
+参数
+::::::::::::
+
+    - **mel** (Tensor, float) - 输入 tensor。
+    - **htk** (bool) - 是否使用 htk 缩放, 默认 False。
+
+返回
+:::::::::
+
+``paddle.Tensor 或 float``, hz 为单位的频率。
+
+代码示例
+:::::::::
+
+COPY-FROM: paddle.audio.functional.mel_to_hz