从源代码构建

TorchAudio 集成 PyTorch 用于数值计算，并使用第三方库进行多媒体输入输出。从源代码构建需要以下工具。

• PyTorch

• CMake

• 忍者

• C++ complier with C++ 17 support

  • GCC (Linux)

  • Clang (macOS)

  • MSVC 2019 或更新版本 (Windows)

• pkg-config（Linux/macOS，如果构建 sox 扩展）

• CUDA工具包 和 cuDNN (如果构建CUDA扩展)

大多数工具都可以在 Conda 中找到，因此我们建议使用 conda。

• 基于 Linux 和 macOS
• 在 Windows 上构建
• 在 Jetson 上构建

自定义构建

TorchAudio 与第三方库的集成可以通过环境变量启用或禁用。

它们可以通过传递 1 来启用，通过 0 来禁用。

• BUILD_SOX: 根据libsox启用或禁用I/O功能。

• BUILD_KALDI: 根据Kaldi启用或禁用特征提取功能。

• BUILD_RNNT: 启用/禁用自定义RNN-T损失函数。

• BUILD_CTC_DECODER: 基于 Flashlight Text 启用/禁用 CTC 解码器。

• USE_FFMPEG: 根据FFmpeg库启用或禁用I/O功能。

• USE_ROCM: 启用/禁用 AMD ROCm 支持。

• USE_CUDA: 启用/禁用 CUDA 支持。

有关最新配置及其默认值，请查看源代码。 https://github.com/pytorch/audio/blob/main/tools/setup_helpers/extension.py