torchaudio.load¶
- torchaudio.load(uri: Union[BinaryIO, str, PathLike], frame_offset: int = 0, num_frames: int = -1, normalize: bool = True, channels_first: bool = True, format: Optional[str] = None, buffer_size: int = 4096, backend: Optional[str] = None) Tuple[Tensor, int]¶
從來源載入音訊資料。
預設情況下 (
normalize=True,channels_first=True)，此函數會傳回具有float32資料類型且形狀為 [通道, 時間] 的 Tensor。警告
normalize參數不會執行音量正規化。它只會將樣本類型從原生樣本類型轉換為 torch.float32。當輸入格式是具有整數類型的 WAV 時，例如 32 位元帶正負號整數、16 位元帶正負號整數、24 位元帶正負號整數和 8 位元不帶正負號整數，透過提供
normalize=False，此函數可以傳回整數 Tensor，其中樣本表示在相應資料類型的整個範圍內，也就是 32 位元帶正負號 PCM 的int32Tensor、16 位元帶正負號 PCM 的int16和 8 位元不帶正負號 PCM 的uint8。由於 torch 不支援int24資料類型，因此 24 位元帶正負號 PCM 會轉換為int32Tensor。normalize參數對 32 位元浮點 WAV 和其他格式（例如flac和mp3）沒有影響。對於這些格式，此函數始終傳回具有值的
float32Tensor。- 參數:
uri (類路徑物件 或 類檔案物件) – 音訊資料的來源。
frame_offset (int, optional) – 開始讀取資料前要跳過的影格數量。
num_frames (int, optional) – 要讀取的最大影格數量。
-1從frame_offset開始讀取所有剩餘的樣本。如果在給定的檔案中沒有足夠的影格，此函數可能會傳回較少的影格數量。normalize (bool, optional) –
若為
True，此函式會將原生樣本類型轉換為float32。預設值：True。如果輸入檔案是整數 WAV，設為
False將會把產生的 Tensor 類型改為整數類型。此參數對於整數 WAV 類型以外的格式沒有作用。channels_first (bool, optional) – 若為 True，回傳的 Tensor 維度為 [channel, time]。否則，回傳的 Tensor 維度為 [time, channel]。
format (str or None, optional) – 如果不是
None，則會被解釋為提示，允許後端覆蓋偵測到的格式。（預設值：None）buffer_size (int, optional) – 處理類似檔案物件時使用的緩衝區大小，以位元組為單位。（預設值：
4096）backend (str or None, optional) –
要使用的 I/O 後端。如果為
None，函式會根據輸入和可用的後端選擇後端。否則，必須是 ["ffmpeg","sox","soundfile"] 之一，且對應的後端必須可用。（預設值：None）另請參閱
- 返回值:
- 產生的 Tensor 和取樣率。
如果輸入檔案是整數 wav 格式且 normalization 關閉，則其類型為整數類型，否則為
float32類型。如果channels_first=True，則具有 [channel, time]，否則具有 [time, channel]。
- 返回類型:
(torch.Tensor, int)
- 使用
load的教學課程
