AudioDecoder

class torchcodec.decoders.AudioDecoder(source: Union[str, Path, RawIOBase, BufferedReader, bytes, Tensor], *, stream_index: Optional[int] = None, sample_rate: Optional[int] = None, num_channels: Optional[int] = None)

一个单流音频解码器。

这可用于解码纯音频文件（例如 mp3、wav 等）或包含音频流的视频（例如 mp4 视频）中的音频。

返回的样本是归一化在 [-1, 1] 范围内的浮点样本

参数:

• (str (source) –

  object): 视频或音频的来源

  • 如果为 str：本地路径或视频/音频文件的 URL。

  • 如果为 Pathlib.path：本地视频或音频文件的路径。

  • 如果为 bytes 对象或 torch.Tensor：原始编码的音频数据。

  • 如果是类文件对象：我们将按需从该对象读取视频数据。该对象必须公开 read(self, size: int) -> bytes 和 seek(self, offset: int, whence: int) -> bytes 方法。详细阅读：通过类文件支持流式传输数据。

• Pathlib.path –

  object): 视频或音频的来源

  • 如果为 str：本地路径或视频/音频文件的 URL。

  • 如果为 Pathlib.path：本地视频或音频文件的路径。

  • 如果为 bytes 对象或 torch.Tensor：原始编码的音频数据。

  • 如果是类文件对象：我们将按需从该对象读取视频数据。该对象必须公开 read(self, size: int) -> bytes 和 seek(self, offset: int, whence: int) -> bytes 方法。详细阅读：通过类文件支持流式传输数据。

• bytes –

  object): 视频或音频的来源

  • 如果为 str：本地路径或视频/音频文件的 URL。

  • 如果为 Pathlib.path：本地视频或音频文件的路径。

  • 如果为 bytes 对象或 torch.Tensor：原始编码的音频数据。

  • 如果是类文件对象：我们将按需从该对象读取视频数据。该对象必须公开 read(self, size: int) -> bytes 和 seek(self, offset: int, whence: int) -> bytes 方法。详细阅读：通过类文件支持流式传输数据。

• file-like (torch.Tensor 或) –

  object): 视频或音频的来源

  • 如果为 str：本地路径或视频/音频文件的 URL。

  • 如果为 Pathlib.path：本地视频或音频文件的路径。

  • 如果为 bytes 对象或 torch.Tensor：原始编码的音频数据。

  • 如果是类文件对象：我们将按需从该对象读取视频数据。该对象必须公开 read(self, size: int) -> bytes 和 seek(self, offset: int, whence: int) -> bytes 方法。详细阅读：通过类文件支持流式传输数据。

• stream_index (int, optional) – 指定要从中解码样本的文件的流。请注意，此索引对于所有媒体类型都是绝对的。如果未指定，则使用 最佳流。

• sample_rate (int, optional) – 解码样本所需的输出采样率。默认情况下，使用源的采样率。

• num_channels (int, optional) – 解码样本所需的通道数。默认情况下，使用源的通道数。

变量:

• metadata (AudioStreamMetadata) – 音频流的元数据。

• stream_index (int) – 此解码器正在从中检索样本的流索引。如果在初始化时提供了流索引，则此值为相同的值。如果未指定，则为 最佳流。

使用 AudioDecoder 的示例

使用 AudioDecoder 解码音频流

使用 AudioDecoder 解码音频流

通过类文件对象流式传输数据

通过类文件对象流式传输数据

使用 AudioEncoder 对音频样本进行编码

使用 AudioEncoder 对音频样本进行编码

get_all_samples() → AudioSamples

返回源中的所有音频样本。

要解码特定范围内的样本，请使用 get_samples_played_in_range()。

返回:

文件中的样本。

返回类型:

AudioSamples

get_samples_played_in_range(start_seconds: float = 0.0, stop_seconds: Optional[float] = None) → AudioSamples

返回给定范围内的音频样本。

样本位于半开区间 [start_seconds, stop_seconds)。

要解码从开始到结束的所有样本，您可以调用此方法，将 start_seconds 和 stop_seconds 保留为其默认值，或者使用 get_all_samples() 作为更方便的别名。

参数:

• start_seconds (float) – 范围开始时间（以秒为单位）。默认为 0。

• stop_seconds (float 或 None) – 范围结束时间（以秒为单位）。作为一个半开区间，不包括结束时间。默认为 None，表示解码直到最后。

返回:

指定范围内的样本。

返回类型:

AudioSamples