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float32dtype 的 Tensor，形状为 [channel, time]。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int32tensor，16 位有符号 PCM 的int16和 8 位无符号 PCM 的uint8。由于 torch 不支持int24dtype，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flac和mp3）没有影响。对于这些格式，此函数始终返回带有值的
float32Tensor。- 参数:
uri (path-like object 或 file-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) –
当
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 (str 或 None, 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 (str 或 None, 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
- 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
