Torchaudio 文档

Torchaudio 是一个使用 PyTorch 进行音频和信号处理的库。 它提供 I/O、信号和数据处理功能、数据集、 模型实现和应用程序组件。

本文档中描述的功能按版本状态分类：

稳定：这些功能将长期维护，通常应该有 在文档中没有重大的性能限制或差距。 我们还希望保持向后兼容性（尽管 可能会发生重大更改，并且将提前一个版本发出通知 的时间）。

试用版：功能被标记为 Beta 版，因为 API 可能会根据 用户反馈，因为性能需要改进，或者因为 跨 Operators 的覆盖范围尚未完成。对于 Beta 版功能，我们是 致力于将该功能一直持续到 Stable 分类。 但是，我们并不承诺向后兼容。

原型：这些功能通常不作为 PyPI 或 Conda 等二进制发行版，但有时落后于运行时 标志，并且处于反馈和测试的早期阶段。

API 参考

API 参考

• Torchaudio
• torchaudio.io
• torchaudio.backend
• torchaudio.functional
• torchaudio.transforms
• torchaudio.datasets
• torchaudio.models
• torchaudio.models.decoder
• torchaudio.pipelines 中
• torchaudio.sox_effects
• torchaudio.compliance.kaldi
• torchaudio.kaldi_io
• torchaudio.utils

开始

开始

• 音频 I/O
• 媒体流 API - 第 1 部分
• 媒体流 API - 第 2 部分
• 音频重采样
• 音频数据增强
• 音频特征提取
• 音频特征增强
• 音频数据集

高级用法

高级用法

• 使用 NVDEC 加速视频解码
• 使用 Wav2Vec2 进行语音识别
• 使用 Emformer RNN-T 的在线 ASR
• 使用 Emformer RNN-T 的设备 ASR
• 使用 Wav2Vec2 强制对齐
• 使用 Tacotron2 的文本转语音
• 使用 MVDR 波束成形进行语音增强
• 使用 CTC 解码器进行 ASR 推理

引用 torchaudio

如果您觉得 torchaudio 有用，请引用以下论文：

• Yang， Y.-Y.， Hira， M.， Ni， Z.， Chourdia， A.， Astafurov， A.， Chen， C.， Yeh， C.-F.， Puhrsch， C.， 波拉克，D.，根泽尔，D.，格林伯格，D.，杨，EZ，连，J.，Mahadeokar，J.，黄，J.， 陈，J.，戈尔兹伯勒，P.，罗伊，P.，纳伦蒂兰，S.，渡边，S.，钦塔拉，S.， Quenneville-Bélair， V， & Shi， Y. （2021）。 TorchAudio：音频和语音处理的构建块。arXiv 预印本 arXiv：2110.15018。

在 BibTeX 格式中：

@article{yang2021torchaudio,
  title={TorchAudio: Building Blocks for Audio and Speech Processing},
  author={Yao-Yuan Yang and Moto Hira and Zhaoheng Ni and
          Anjali Chourdia and Artyom Astafurov and Caroline Chen and
          Ching-Feng Yeh and Christian Puhrsch and David Pollack and
          Dmitriy Genzel and Donny Greenberg and Edward Z. Yang and
          Jason Lian and Jay Mahadeokar and Jeff Hwang and Ji Chen and
          Peter Goldsborough and Prabhat Roy and Sean Narenthiran and
          Shinji Watanabe and Soumith Chintala and
          Vincent Quenneville-Bélair and Yangyang Shi},
  journal={arXiv preprint arXiv:2110.15018},
  year={2021}
}