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。
警告
在 2.9 版本中，此函数的实现将改为在后台使用
load_with_torchcodec()。一些参数，如normalize、format、buffer_size和backend将被忽略。我们建议您将代码迁移到直接依赖 TorchCodec 的解码器：https://docs.pytorch.ac.cn/torchcodec/stable/generated/torchcodec.decoders.AudioDecoder.html#torchcodec.decoders.AudioDecoder。默认情况下（
normalize=True，channels_first=True），此函数返回float32类型的 Tensor，形状为 [channel, time]。警告
normalize参数不执行音量归一化。它仅将采样类型从原生采样类型转换为 torch.float32。当输入格式为具有整数类型的 WAV（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）时，通过提供
normalize=False，此函数可以返回整数 Tensor，其中采样表示在相应数据类型的整个范围内，即 32 位有符号 PCM 返回int32Tensor，16 位有符号 PCM 返回int16Tensor，8 位无符号 PCM 返回uint8Tensor。由于 torch 不支持int24数据类型，24 位有符号 PCM 将被转换为int32Tensor。normalize参数对 32 位浮点 WAV 和其他格式（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 (类路径对象或类文件对象) – 音频数据源。
frame_offset (int, 可选) – 开始读取数据前要跳过的帧数。
num_frames (int, 可选) – 要读取的最大帧数。
-1表示读取从frame_offset开始的所有剩余样本。如果给定文件中没有足够的帧，此函数可能会返回比指定数量少的帧数。normalize (bool, 可选) –
如果为
True，此函数会将原生采样类型转换为float32。默认为True。如果输入文件是整数 WAV，提供
False将会把结果 Tensor 类型更改为整数类型。此参数对非整数 WAV 类型以外的格式无效。channels_first (bool, 可选) – 如果为 True，则返回的 Tensor 维度为 [channel, time]。否则，返回的 Tensor 维度为 [time, channel]。
format (str 或 None, 可选) – 如果不为
None，则被解释为一种提示，可能允许后端覆盖检测到的格式。（默认：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：
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后端选择后端。否则，必须是 ["ffmpeg"、"sox"、"soundfile"] 中的一个，并且相应的后端必须可用。（默认：None）另请参阅
- 返回
- 结果 Tensor 和采样率。
如果输入文件是整数 WAV 格式且归一化关闭，则其类型为整数；否则为
float32类型。如果channels_first=True，则维度为 [channel, time]，否则为 [time, channel]。
- 返回类型
(torch.Tensor, int)
- 使用
load的教程
