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。

教程

---

从文件加载波形 Tensor 并保存它们

主题：I/O

了解如何使用 和 函数查询/加载音频文件并将波形张量保存到文件中。torchaudio.infotorchaudio.loadtorchaudio.save

使用 StreamReader 进行流媒体解码

主题：I/O、StreamReader

了解如何使用 class 将音频/视频加载到 Tensor。torchaudio.io.StreamReader

使用 StreamReader 进行设备输入、合成音频/视频和筛选

主题：I/O、StreamReader

了解如何从硬件设备加载媒体、生成合成音频/视频以及使用滤镜 。torchaudio.io.StreamReader

使用 StreamWriter 进行流媒体编码

主题：I/O，StreamWriter

了解如何使用 保存音频/视频。torchaudio.io.StreamWriter

使用 StreamWriter 播放媒体

主题：I/O，StreamWriter

了解如何使用 播放音频/视频。torchaudio.io.StreamWriter

使用 NVDEC/NVENC 的硬件加速视频 I/O

主题：I/O、StreamReader、StreamWriter

了解如何设置和使用硬件加速视频 I/O。

使用带限 sinc 插值的音频重采样

主题：预处理

了解如何使用 和 对音频张量进行重采样。torchaudio.functional.resampletorchaudio.transforms.Resample

音频数据增强

主题：预处理

了解如何使用 和 模块执行数据增强。torchaudio.functionaltorchaudio.transforms

音频特征提取

主题：预处理

了解如何使用 和 模块从波形中提取特征。torchaudio.functionaltorchaudio.transforms

音频特征增强

主题：预处理

了解如何使用 和 模块来执行功能增强。torchaudio.functionaltorchaudio.transforms

音频数据集

主题： 数据集

了解如何使用 module。torchaudio.datasets

使用 Wav2Vec2 进行 AM 推理

主题： ASR，wav2vec2

了解如何使用 Wav2Vec2 执行声学模型推理 （）。torchaudio.pipelines.Wav2Vec2ASRBundle

使用 CTC Beam Seach Decoder 进行 LM 推理

主题：管道、ASR、wav2vec2、CTC-Decoder

了解如何使用 词典和语言模型执行 ASR 波束搜索解码。torchaudio.models.decoder.ctc_decoder

使用 Emformer RNN-T 的在线 ASR

主题：管道、ASR、RNNT、StreamReader

了解如何使用 Emformer RNN-T （） 和 执行在线 ASR。torchaudio.pipelines.RNNTBundletorchaudio.io.StreamReader

使用 Emformer RNN-T 的实时麦克风 ASR

主题：管道、ASR、RNNT、StreamReader

了解如何使用 Emformer RNN-T （） 和 转录麦克风的语音。torchaudio.pipelines.RNNTBundletorchaudio.io.StreamReader

使用 Wav2Vec2 强制对齐

主题：管道，强制对齐，wav2vec2

了解如何使用 Wav2Vec 2 将文本与语音对齐 （） 。torchaudio.pipelines.Wav2Vec2ASRBundle

使用 Tacotron2 的文本转语音

主题：管道，TTS-（文本转语音）

了解如何使用 Tacotron2 （） 从文本生成语音。torchaudio.pipelines.Tacotron2TTSBundle

使用 MVDR 波束成形进行语音增强

主题：管道，语音增强

了解如何使用 MVDR 波束成形提高语音质量。

使用 Hybrid Demucs 进行音乐源分离

主题：管道，源分离

了解如何使用预先训练的 Hybrid Demucs （） 执行音乐源分离。torchaudio.pipelines.SourceSeparationBundle

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}
}