快捷方式

torchaudio.load

torchaudio.load(uri: Union[BinaryIO, str, PathLike], frame_offset: int = 0, num_frames: int = -1, normalize: bool = True, channels_first: bool = True, format: Optional[str] = None, buffer_size: int = 4096, backend: Optional[str] = None) Tuple[Tensor, int]

从源加载音频数据。

默认情况下 (normalize=True, channels_first=True),此函数返回 float32 dtype 的 Tensor,形状为 [channel, time]

注意

此函数可以处理的格式取决于后端的可用性。请使用以下函数来获取支持的格式。

警告

normalize 参数不执行音量归一化。它仅将样本类型从本机样本类型转换为 torch.float32

当输入格式为整数类型的 WAV 时,例如 32 位有符号整数、16 位有符号整数、24 位有符号整数和 8 位无符号整数,通过提供 normalize=False,此函数可以返回整数 Tensor,其中样本在相应 dtype 的整个范围内表示,即 32 位有符号 PCM 的 int32 tensor,16 位有符号 PCM 的 int16 和 8 位无符号 PCM 的 uint8。由于 torch 不支持 int24 dtype,因此 24 位有符号 PCM 将转换为 int32 张量。

normalize 参数对 32 位浮点 WAV 和其他格式(例如 flacmp3)没有影响。

对于这些格式,此函数始终返回带有值的 float32 Tensor。

参数:
  • uri (path-like objectfile-like object) – 音频数据的来源。

  • frame_offset (int, optional) – 在开始读取数据之前要跳过的帧数。

  • num_frames (int, optional) – 要读取的最大帧数。-1 读取从 frame_offset 开始的所有剩余样本。如果给定文件中没有足够的帧,则此函数可能会返回较少的帧数。

  • normalize (bool, optional) –

    True 时,此函数将本机样本类型转换为 float32。默认值:True

    如果输入文件是整数 WAV,则给出 False 会将结果 Tensor 类型更改为整数类型。此参数对于整数 WAV 类型以外的格式无效。

  • channels_first (bool, optional) – 当为 True 时,返回的 Tensor 具有维度 [channel, time]。否则,返回的 Tensor 的维度为 [time, channel]

  • format (strNone, optional) – 如果不是 None,则解释为提示,允许后端覆盖检测到的格式。(默认值:None

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

  • backend (strNone, optional) –

    要使用的 I/O 后端。如果 None,函数会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。(默认值:None

    另请参阅

    后端和调度器

返回:

结果 Tensor 和采样率。

如果输入文件具有整数 wav 格式并且归一化已关闭,则它具有整数类型,否则为 float32 类型。如果 channels_first=True,则它具有 [channel, time],否则为 [time, channel]

返回类型:

(torch.Tensor, int)

使用 load 的教程
StreamWriter Advanced Usage

StreamWriter 高级用法

StreamWriter 高级用法
Speech Recognition with Wav2Vec2

使用 Wav2Vec2 进行语音识别

使用 Wav2Vec2 进行语音识别
AudioEffector Usages

AudioEffector 用法

AudioEffector 用法
ASR Inference with CUDA CTC Decoder

使用 CUDA CTC 解码器的 ASR 推理

使用 CUDA CTC 解码器的 ASR 推理
StreamWriter Basic Usage

StreamWriter 基本用法

StreamWriter 基本用法
Torchaudio-Squim: Non-intrusive Speech Assessment in TorchAudio

Torchaudio-Squim:TorchAudio 中的非侵入式语音评估

Torchaudio-Squim:TorchAudio 中的非侵入式语音评估
Music Source Separation with Hybrid Demucs

使用混合 Demucs 的音乐源分离

使用混合 Demucs 的音乐源分离
Audio I/O

音频 I/O

音频 I/O
Speech Enhancement with MVDR Beamforming

使用 MVDR 波束成形的语音增强

使用 MVDR 波束成形的语音增强
CTC forced alignment API tutorial

CTC 强制对齐 API 教程

CTC 强制对齐 API 教程
Audio Feature Extractions

音频特征提取

音频特征提取
Audio Data Augmentation

音频数据增强

音频数据增强
ASR Inference with CTC Decoder

使用 CTC 解码器的 ASR 推理

使用 CTC 解码器的 ASR 推理
Forced alignment for multilingual data

多语言数据的强制对齐

多语言数据的强制对齐
Forced Alignment with Wav2Vec2

使用 Wav2Vec2 进行强制对齐

使用 Wav2Vec2 进行强制对齐

文档

访问 PyTorch 的综合开发者文档

查看文档

教程

获取针对初学者和高级开发者的深入教程

查看教程

资源

查找开发资源并获得问题解答

查看资源