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)，此函数返回具有float32数据类型的张量，形状为 [channel, time]。警告
normalize参数不执行音量归一化。它只将样本类型从本机样本类型转换为 torch.float32。当输入格式为具有整数类型的 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张量，其中样本在相应数据类型的整个范围内表示，即对于 32 位有符号 PCM，为int32张量，对于 16 位有符号 PCM，为int16，对于 8 位无符号 PCM，为uint8。由于 torch 不支持int24数据类型，因此 24 位有符号 PCM 会转换为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，此函数始终返回具有值的
float32张量。- 参数：
uri (路径类对象 或 文件类对象) – 音频数据的来源。
frame_offset (int, 可选) – 开始读取数据之前要跳过的帧数。
num_frames (int, 可选) – 要读取的最大帧数。
-1读取所有剩余的样本，从frame_offset开始。如果给定文件中没有足够的帧，此函数可能会返回更少的帧数。normalize (bool, 可选) –
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，则设置
False将更改结果张量的类型为整数类型。此参数对除整数 WAV 类型以外的格式无效。channels_first (bool, 可选) – 当为 True 时，返回的张量维度为 [通道, 时间]。否则，返回的张量的维度为 [时间, 通道]。
format (str 或 None, 可选) – 如果不为
None，则解释为提示，这可能允许后端覆盖检测到的格式。（默认值：None）buffer_size (int, 可选) – 处理类文件对象时使用的缓冲区大小，以字节为单位。（默认值：
4096）backend (str 或 None, 可选) –
要使用的 I/O 后端。如果为
None，则函数根据输入和可用的后端选择后端。否则，必须是以下之一：["ffmpeg","sox","soundfile"]，并且相应的后端可用。（默认值：None）另请参阅
- 返回值:
- 结果张量和采样率。
如果输入文件具有整数 WAV 格式并且归一化关闭，则它具有整数类型，否则为
float32类型。如果channels_first=True，则它具有 [通道, 时间]，否则为 [时间, 通道]。
- 返回类型:
(torch.Tensor, int)
- 使用
load的教程
