声谱图由音频生成，指定为N——- - - - - -米矩阵或一个N——- - - - - -米-by-1-by -K数组中。K表示谱图的数量，和N——- - - - - -米是谱图的大小和量值有关吗光谱类型参数。

数据类型:单|双

输出嵌入，返回为K——- - - - - -l矩阵,K输入谱图的数量，和l由嵌入长度参数。

数据类型:单

由音频生成并用作神经网络输入的频谱类型，指定为梅尔(128乐队)，梅尔(256乐队),或线性．此参数指定网络输入的大小Port_1．

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．将此参数设置为环境声音使用预先训练过的环境音频数据神经网络，并将其设置为音乐听起来使用预先训练过的音乐数据网络。

输出嵌入长度，指定为512或6144．

用于预测的小批量的大小，指定为正整数。更大的迷你批处理大小需要更多的内存，但可以导致更快的预测。