torchaudio.info

torchaudio.info(uri: Union[BinaryIO, str, PathLike], format: Optional[str] = None, buffer_size: int = 4096, backend: Optional[str] = None) → AudioMetaData

获取音频文件的信号信息。

注意

当输入类型为类文件对象时，此函数无法获取某些格式（如 vorbis）的正确长度 (num_samples)。在这种情况下，num_samples 的值为 0。

参数:

• uri (类路径对象 或 类文件对象) –

  音频数据源。接受以下类型

  • path-like: 文件路径或 URL。

  • file-like: 具有 read(size: int) -> bytes 方法的对象，该方法返回最多 size 长度的字节字符串。

• format (str 或 None, 可选) – 如果不是 None，则解释为提示，可能允许后端覆盖检测到的格式。（默认：None）

• buffer_size (int, 可选) – 处理类文件对象时要使用的缓冲区大小，以字节为单位。（默认：4096）

• backend (str 或 None, 可选) –

  要使用的 I/O 后端。如果 None，则函数根据输入和可用的后端选择后端。否则，必须是 ["ffmpeg", "sox", "soundfile"] 之一，并且相应的后端可用。（默认：None）

  另请参阅

  后端和调度器

返回值:

AudioMetaData

使用 info 的教程

音频 I/O

音频 I/O

支持结构

AudioMetaData

class torchaudio.AudioMetaData

torchaudio.info 函数的返回类型。

变量:

• sample_rate (int) – 采样率

• num_frames (int) – 帧数

• num_channels (int) – 通道数

• bits_per_sample (int) – 每个采样的位数。对于有损格式或无法准确推断时，此值为 0。

• encoding (str) –

  音频编码。编码值可以是以下之一

  • PCM_S: 有符号整数线性 PCM

  • PCM_U: 无符号整数线性 PCM

  • PCM_F: 浮点线性 PCM

  • FLAC: Flac，免费无损音频编解码器

  • ULAW: Mu-law

  • ALAW: A-law

  • MP3 : MP3, MPEG-1 音频层 III

  • VORBIS: OGG Vorbis

  • AMR_WB: 自适应多速率宽带

  • AMR_NB: 自适应多速率窄带

  • OPUS: Opus

  • HTK: 单通道 16 位 PCM

  • UNKNOWN : 以上都不是

使用 AudioMetaData 的教程

音频 I/O

音频 I/O