torchaudio.load_with_torchcodec

torchaudio.load_with_torchcodec(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]

使用 TorchCodec 的 AudioDecoder 从源加载音频数据。

注意

此函数支持与 load() 相同的 API，并在底层依赖 TorchCodec 的解码功能。它提供了便利，但我们仍然建议您将代码移植到原生使用 torchcodec 的 AudioDecoder 类以获得更好的性能：https://docs.pytorch.ac.cn/torchcodec/stable/generated/torchcodec.decoders.AudioDecoder。在 Torchaudio 2.9 中，load() 将依赖 load_with_torchcodec()。请注意，load() 的某些参数，如 normalize、buffer_size 和 backend，会被 load_with_torchcodec() 忽略。

参数

• uri (路径类对象或文件类对象) –

  音频数据源。接受以下类型：

  • path-like: 文件路径或 URL。

  • file-like: 具有 read(size: int) -> bytes 方法的对象。

• frame_offset (int, 可选) – 开始读取数据前要跳过的样本数。

• num_frames (int, 可选) – 要读取的最大样本数。-1 读取从 frame_offset 开始的所有剩余样本。

• normalize (bool, 可选) – TorchCodec 始终返回归一化的 float32 样本。如果设置为 False，此参数将被忽略并发出警告。默认值：True。

• channels_first (bool, 可选) – 如果为 True，则返回的 Tensor 的维度为 [channel, time]。否则，返回的 Tensor 的维度为 [time, channel]。

• format (str或None, 可选) – 解码器的格式提示。可能并非所有 TorchCodec 解码器都支持此功能。（默认：None）

• buffer_size (int, 可选) – TorchCodec AudioDecoder 不使用。为保持 API 兼容性而提供。

• backend (str或None, 可选) – TorchCodec AudioDecoder 不使用。为保持 API 兼容性而提供。

返回

结果 Tensor 和采样率。始终返回 float32 Tensor。如果 channels_first=True，形状为 [channel, time]，否则为 [time, channel]。

返回类型

(torch.Tensor, int)

引发

• ImportError – 如果 torchcodec 不可用。

• ValueError – 如果使用了不支持的参数。

• RuntimeError – 如果 TorchCodec 无法解码音频。

注意

• TorchCodec 始终返回归一化的 float32 样本，因此 normalize 参数无效。

• 已忽略 buffer_size 和 backend 参数。

• 并非所有 torchaudio 后端支持的音频格式都可能被 TorchCodec 支持。