torchaudio.kaldi_io¶

要使用此模块，需要安装依赖项 kaldi_io。这是围绕 kaldi_io 的轻量级封装，返回 torch.Tensor。

向量¶

torchaudio.kaldi_io.read_vec_int_ark(file_or_fd: Any) → Iterable[Tuple[str, Tensor]][source]¶

创建 (key, vector<int>) 元组的生成器，该生成器从 ark 文件/流中读取数据。

Parameters:: file_or_fd (str/FileDescriptor) – ark、gzip 压缩的 ark、管道或已打开的文件描述符
Returns:: 字符串是键，张量是从文件中读取的向量。
Return type:: Iterable[Tuple[字符串, 张量]]

Example

>>> # read ark to a 'dictionary'
>>> d = { u:d for u,d in torchaudio.kaldi_io.read_vec_int_ark(file) }

torchaudio.kaldi_io.read_vec_flt_scp(file_or_fd: Any) → Iterable[Tuple[str, Tensor]][source]¶

创建 (key, vector<float32/float64>) 元组的生成器，按照 Kaldi scp 格式读取。

Parameters:: file_or_fd (str/FileDescriptor) – scp、gzip 压缩的 scp、管道或已打开的文件描述符
Returns:: 字符串是键，张量是从文件中读取的向量。
Return type:: Iterable[Tuple[字符串, 张量]]

Example

>>> # read scp to a 'dictionary'
>>> # d = { u:d for u,d in torchaudio.kaldi_io.read_vec_flt_scp(file) }

torchaudio.kaldi_io.read_vec_flt_ark(file_or_fd: Any) → Iterable[Tuple[str, Tensor]][source]¶

创建 (key, vector<float32/float64>) 元组的生成器，该生成器从 ark 文件/流中读取数据。

Parameters:: file_or_fd (str/FileDescriptor) – ark、gzip 压缩的 ark、管道或已打开的文件描述符
Returns:: 字符串是键，张量是从文件中读取的向量。
Return type:: Iterable[Tuple[字符串, 张量]]

Example

>>> # read ark to a 'dictionary'
>>> d = { u:d for u,d in torchaudio.kaldi_io.read_vec_flt_ark(file) }

torchaudio.kaldi_io.read_mat_scp(file_or_fd: Any) → Iterable[Tuple[str, Tensor]][source]¶

创建 (key, matrix<float32/float64>) 元组的生成器，按照 Kaldi scp 格式读取。

Parameters:: file_or_fd (str/FileDescriptor) – scp、gzip 压缩的 scp、管道或已打开的文件描述符
Returns:: 字符串是键，张量是从文件读取的矩阵。
Return type:: Iterable[Tuple[字符串, 张量]]

Example

>>> # read scp to a 'dictionary'
>>> d = { u:d for u,d in torchaudio.kaldi_io.read_mat_scp(file) }

torchaudio.kaldi_io.read_mat_ark(file_or_fd: Any) → Iterable[Tuple[str, Tensor]][source]¶

创建 (key, matrix<float32/float64>) 元组的生成器，该生成器从 ark 文件/流中读取数据。

Parameters:: file_or_fd (str/FileDescriptor) – ark、gzip 压缩的 ark、管道或已打开的文件描述符
Returns:: 字符串是键，张量是从文件读取的矩阵。
Return type:: Iterable[Tuple[字符串, 张量]]

Example

>>> # read ark to a 'dictionary'
>>> d = { u:d for u,d in torchaudio.kaldi_io.read_mat_ark(file) }