PyTorch torchaudio

原文：PyTorch torchaudio

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

torchaudio.get_sox_bool(i=0)?

獲取 sox_bool 枚舉以獲取 sox encodinginfo 選項(xiàng)。

參數(shù)

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

退貨

sox_bool 類(lèi)型

返回類(lèi)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(lèi)型或獲取具有所有可能選項(xiàng)的字典，請(qǐng)使用__members__查看未指定的所有選項(xiàng)。 (默認(rèn)：None）

Returns

用于輸出編碼的 sox_encoding_t 類(lèi)型

Return type

sox_encoding_t

torchaudio.get_sox_option_t(i=2)?

獲取 sox encodinginfo 選項(xiàng)的 sox_option_t 枚舉。

Parameters

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

Returns

sox_option_t 類(lèi)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(hào)。

Parameters

文件路徑 (str)–音頻文件的路徑

Returns

si(sox_signalinfo_t）信號(hào)信息作為 python 對(duì)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(duì)于簡(jiǎn)單加載，這不是必需的。 重要的是，只運(yùn)行一次 <cite>initialize_sox</cite> ，并且不要在每個(gè)效果鏈之后都關(guān)閉，而是在完成所有效果鏈后才關(guān)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(pán)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(gè)輸出張量來(lái)代替創(chuàng)建一個(gè)張量。 (默認(rèn)：None）
• 規(guī)范化 (bool ， 編號(hào) 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(hào) 32- 位音頻），并標(biāo)準(zhǔn)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(jié)果。 (默認(rèn)：True）
• channels_first (bool)–首先設(shè)置通道，或先設(shè)置長(zhǎng)度。 (默認(rèn)：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(rèn)：0）
• 偏移量 (int ， 可選）–從文件開(kāi)始到開(kāi)始數(shù)據(jù)加載的幀數(shù) 。 (默認(rèn)：0）
• signalinfo (sox_signalinfo_t ， 可選）– sox_signalinfo_t 類(lèi)型，如果無(wú)法自動(dòng)確定音頻類(lèi)型，則可能會(huì)有所幫助。 (默認(rèn)：None）
• encodinginfo (sox_encodinginfo_t ， 可選）– sox_encodinginfo_t 類(lèi)型，如果無(wú)法自動(dòng)確定音頻類(lèi)型，則可以設(shè)置。 (默認(rèn)：None）
• 文件類(lèi)型 (str ， 可選）–如果 sox 無(wú)法自動(dòng)確定文件類(lèi)型或擴(kuò)展名，請(qǐng)?jiān)O(shè)置 。 (默認(rèn)：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(gè)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(gè)樣本使用 16 位，需要通過(guò)將輸入右移 16 位來(lái)進(jìn)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(rèn)值：16）
• channels_first (bool)–首先設(shè)置通道，或先設(shè)置長(zhǎng)度。 (默認(rèn)：True）

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

將音頻信號(hào)的張量以 mp3，wav 等標(biāo)準(zhǔn)格式保存到磁盤(pán)。

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(lèi)型，如果無(wú)法自動(dòng)確定音頻類(lèi)型，這可能會(huì)有所幫助。 (默認(rèn)：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(jiǎn)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(dǎo)致段錯(cuò)誤。

torchaudio.sox_encodinginfo_t()?

創(chuàng)建一個(gè) sox_encodinginfo_t 對(duì)象。 該對(duì)象可用于設(shè)置編碼類(lèi)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(lái)對(duì)最終輸出進(jìn)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(jìn)行 8 位 ulaw 編碼。 請(qǐng)注意，在張量輸出中，結(jié)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(dòng)），有損格式的壓縮，默認(rèn)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(duì)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(gè) sox_signalinfo_t 對(duì)象。 該對(duì)象可用于設(shè)置效果的采樣率，通道數(shù)，長(zhǎng)度，位精度和凈空倍數(shù)

Returns: sox_signalinfo_t(object)

• rate(float），采樣率為 float，實(shí)際上可能是整數(shù) float
• channel(int），音頻通道數(shù)
• 精度(int），位精度
• 長(zhǎng)度(int），樣本中音頻的長(zhǎng)度*通道，0(未指定）和-1(未知）
• 多重(浮點(diǎn)型，可選），凈空乘數(shù)用于效果，None無(wú)乘數(shù)

Example


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