原文：PyTorch torchaudio

torchaudio 程序包由 I / O，常用數(shù)據(jù)集和常見音頻轉換組成。

torchaudio.get_sox_bool(i=0)?

獲取 sox_bool 枚舉以獲取 sox encodinginfo 選項。

參數(shù)

i (int ， 可選）–選擇類型或獲取具有所有可能選項的字典，請使用__members__查看未指定的所有選項。 (默認：sox_false或0）

退貨

sox_bool 類型

返回類型

sox_bool

torchaudio.get_sox_encoding_t(i=None)?

獲取 sox 編碼的 sox_encoding_t 枚舉。

Parameters

i (int ， 可選）–選擇類型或獲取具有所有可能選項的字典，請使用__members__查看未指定的所有選項。 (默認：None）

Returns

用于輸出編碼的 sox_encoding_t 類型

Return type

sox_encoding_t

torchaudio.get_sox_option_t(i=2)?

獲取 sox encodinginfo 選項的 sox_option_t 枚舉。

Parameters

i (int ， 可選）–選擇類型或獲取具有所有可能選項的字典，請使用__members__查看未指定的所有選項。 (默認：sox_option_default或2）

Returns

sox_option_t 類型

Return type

sox_option_t

torchaudio.info(filepath)?

從音頻文件獲取元數(shù)據(jù)，而不加載信號。

Parameters

文件路徑 (str)–音頻文件的路徑

Returns

si(sox_signalinfo_t）信號信息作為 python 對象。 EI(sox_encodinginfo_t）編碼信息

Return type

元組[sox_signalinfo_t，sox_encodinginfo_t]

Example


>>> si, ei = torchaudio.info('foo.wav')
>>> rate, channels, encoding = si.rate, si.channels, ei.encoding

torchaudio.initialize_sox()?

初始化 sox 以與效果鏈一起使用。 對于簡單加載，這不是必需的。 重要的是，只運行一次 <cite>initialize_sox</cite> ，并且不要在每個效果鏈之后都關閉，而是在完成所有效果鏈后才關閉。

torchaudio.load(filepath, out=None, normalization=True, channels_first=True, num_frames=0, offset=0, signalinfo=None, encodinginfo=None, filetype=None)?

將音頻文件從磁盤加載到張量

Parameters

• 文件路徑 (str 或 pathlib.Path)–音頻文件的路徑
• 輸出 (torch張量 ， 可選）–使用一個輸出張量來代替創(chuàng)建一個張量。 (默認：None）
• 規(guī)范化 (bool ， 編號 或 可調(diào)用 ， 可選）–如果布爾值<cite>為 True</cite> ，則輸出除以 <cite>1 < < 31</cite> (假定帶符號 32- 位音頻），并標準化為 <cite>[-1，1]</cite> 。 如果<cite>數(shù)字</cite>，則輸出除以該數(shù)字。如果<cite>可調(diào)用</cite>，則將輸出作為參數(shù)傳遞給給定函數(shù)，然后將輸出除以結果。 (默認：True）
• channels_first (bool)–首先設置通道，或先設置長度。 (默認：True）
• num_frames (int ， 可選）–要加載的幀數(shù)。 0 加載偏移量之后的所有內(nèi)容。 (默認：0）
• 偏移量 (int ， 可選）–從文件開始到開始數(shù)據(jù)加載的幀數(shù) 。 (默認：0）
• signalinfo (sox_signalinfo_t ， 可選）– sox_signalinfo_t 類型，如果無法自動確定音頻類型，則可能會有所幫助。 (默認：None）
• encodinginfo (sox_encodinginfo_t ， 可選）– sox_encodinginfo_t 類型，如果無法自動確定音頻類型，則可以設置。 (默認：None）
• 文件類型 (str ， 可選）–如果 sox 無法自動確定文件類型或擴展名，請設置 。 (默認：None）

Returns

大小為 <cite>[C x L]</cite> 或 <cite>[L x C]</cite> 的輸出張量，其中 L 是音頻幀數(shù)，C 是聲道數(shù)。 一個整數(shù)，它是音頻的采樣率(如文件的元數(shù)據(jù)中所列）

Return type

元組[torch.張量， int ]

Example


>>> data, sample_rate = torchaudio.load('foo.mp3')
>>> print(data.size())
torch.Size([2, 278756])
>>> print(sample_rate)
44100
>>> data_vol_normalized, _ = torchaudio.load('foo.mp3', normalization=lambda x: torch.abs(x).max())
>>> print(data_vol_normalized.abs().max())
1.

torchaudio.load_wav(filepath, **kwargs)?

加載波形文件。 假定 wav 文件每個樣本使用 16 位，需要通過將輸入右移 16 位來進行歸一化。

Parameters

filepath (str or pathlib.Path) – Path to audio file

Returns

An output tensor of size <cite>[C x L]</cite> or <cite>[L x C]</cite> where L is the number of audio frames and C is the number of channels. An integer which is the sample rate of the audio (as listed in the metadata of the file)

Return type

Tuple[torch.Tensor, int]

torchaudio.save(filepath, src, sample_rate, precision=16, channels_first=True)?

<cite>save_encinfo</cite> 的便捷功能。

Parameters

• filepath (str) – Path to audio file
• src (torch張量)–形狀為 <cite>[C x L]</cite> 或 <cite>[L x C]的輸入 2D 張量 ]</cite> 其中 L 是音頻幀數(shù)，C 是聲道數(shù)
• sample_rate (int)–整數(shù)，它是音頻的采樣率(如文件的元數(shù)據(jù)中列出）
• 精度 (int)–位精度(默認值：16）
• channels_first (bool)–首先設置通道，或先設置長度。 (默認：True）

torchaudio.save_encinfo(filepath, src, channels_first=True, signalinfo=None, encodinginfo=None, filetype=None)?

將音頻信號的張量以 mp3，wav 等標準格式保存到磁盤。

Parameters

• filepath (str) – Path to audio file
• src (torch.Tensor) – An input 2D tensor of shape <cite>[C x L]</cite> or <cite>[L x C]</cite> where L is the number of audio frames, C is the number of channels
• channels_first (bool) – Set channels first or length first in result. (Default: True)
• signalinfo (sox_signalinfo_t )– sox_signalinfo_t 類型，如果無法自動確定音頻類型，這可能會有所幫助。 (默認：None）
• encodinginfo (sox*encodinginfo\t*, optional) – A sox_encodinginfo_t type, which could be set if the audio type cannot be automatically determined. (Default: None)
• filetype (*str*, optional) – A filetype or extension to be set if sox cannot determine it automatically. (Default: None)

Example


>>> data, sample_rate = torchaudio.load('foo.mp3')
>>> torchaudio.save('foo.wav', data, sample_rate)

torchaudio.shutdown_sox()?

攤牌襪效果鏈。 簡單加載不需要。 重要的是，只能撥打一次。 嘗試重新初始化 sox 將導致段錯誤。

torchaudio.sox_encodinginfo_t()?

創(chuàng)建一個 sox_encodinginfo_t 對象。 該對象可用于設置編碼類型，位精度，壓縮系數(shù)，反向字節(jié)，反向半字節(jié)，反向位和字節(jié)序。 可以在效果鏈中使用它來對最終輸出進行編碼或使用特定編碼保存文件。 例如，可以使用 sox ulaw 編碼進行 8 位 ulaw 編碼。 請注意，在張量輸出中，結果將是 32 位數(shù)字，但是唯一值的數(shù)量將由位精度確定。

Returns: sox_encodinginfo_t(object)

• 編碼(sox_encoding_t），輸出編碼
• bits_per_sample(int），位精度，與 sox_signalinfo_t 中的<cite>精度</cite>相同
• 壓縮(浮動），有損格式的壓縮，默認壓縮為 0.0
• reverse_bytes(sox_option_t），反向字節(jié)，使用 sox_option_default
• 反向半字節(jié)(sox_option_t），反向半字節(jié)，使用 sox_option_default
• reverse_bits(sox_option_t），反向字節(jié)，使用 sox_option_default
• 對立的字節(jié)序(sox_bool），更改字節(jié)序，使用 sox_false

Example


>>> ei = torchaudio.sox_encodinginfo_t()
>>> ei.encoding = torchaudio.get_sox_encoding_t(1)
>>> ei.bits_per_sample = 16
>>> ei.compression = 0
>>> ei.reverse_bytes = torchaudio.get_sox_option_t(2)
>>> ei.reverse_nibbles = torchaudio.get_sox_option_t(2)
>>> ei.reverse_bits = torchaudio.get_sox_option_t(2)
>>> ei.opposite_endian = torchaudio.get_sox_bool(0)

torchaudio.sox_signalinfo_t()?

創(chuàng)建一個 sox_signalinfo_t 對象。 該對象可用于設置效果的采樣率，通道數(shù)，長度，位精度和凈空倍數(shù)

Returns: sox_signalinfo_t(object)

• rate(float），采樣率為 float，實際上可能是整數(shù) float
• channel(int），音頻通道數(shù)
• 精度(int），位精度
• 長度(int），樣本中音頻的長度*通道，0(未指定）和-1(未知）
• 多重(浮點型，可選），凈空乘數(shù)用于效果，None無乘數(shù)

Example


>>> si = torchaudio.sox_signalinfo_t()
>>> si.channels = 1
>>> si.rate = 16000.
>>> si.precision = 16
>>> si.length = 0