TorchAudio 入门

TorchAudio 入门

官网

1. 读写

1.1 Backend

不同的 Backend 会对 audio 的读写有影响

• Windows 默认为 SoundFile

  • pip3 install PySoundFile

• Mac/Lunix 默认为 SoX

# 查看可用的 backend
print(torchaudio.backend.list_audio_backends())
# 设置 backend
torchaudio.set_audio_backend("sox_io")  # soundfile

1.1 音频读写

以下均基于 SoundFile backend

• 获取音频的源信息 torchaudio.info()

  metadata = torchaudio.info(SAMPLE_WAV_PATH)
  

  属性：

  • metadata.sample_rate sampling rate，采样率（次/秒）

    duration = tensor_size / sample_rate

  • metadata.num_channels the number of channels

  • metadata.num_frames the number of frames per channel

  • metadata.bits_per_sample bit depth

  • metadata.encoding the sample coding format

• 读取音频为 Tensor

  waveform, sample_rate = torchaudio.load(SAMPLE_WAV_PATH)
  # waveform: torch.Tensor 类型
  

• 保存 Tensor 为音频 torchaudio.save

  torchaudio.save(filepath, src, sample_rate)