我正在尝试使用 wav2vec 2 model 上的迁移学习来处理 ASR model。无论如何，当我不想显示或修改音频文件时，我会遇到这个问题 错误： RuntimeError：后端“sox_io”不是可用后端之一：['soundfile']。 ImportError：要支持解码“mp3”音 ...
打电话时 这是为了从 model 中获取发射概率。 但我明白了 ...
我正在使用这些功能（接收 pyaudio 输入）来生成可在 torchaudio 上使用的音频 object。 但是，只有“write2”产生了有效的结果，而不是“write1”。 在没有 i/o 操作的情况下，我需要做什么才能使 write1 等同于 write2？ ...
我正在尝试加载一个名为“音频”的字节类 object 以作为 torchaudio object 加载： 我无法在网上找到任何有关如何在 Torchaudio 中加载字节音频 object 的说明的文档，它似乎只接受路径字符串。 但是我必须在我的应用程序中保存 I/O，我不能写入和加载.wav 文 ...
我有一个使用 torchaudio（没有 GPU）来处理 Windows 中的一些声音的 .py 脚本。为了分发它，我使用 pyinstaller 将它变成一个 .exe。 您可以使用这个简单的脚本重现该问题： 此脚本从 python 控制台python test.py正确运行，但我想创建一个在 ...
我有一个视频中的音频，我用 PyTorch 加载了它。给定与感兴趣的视频片段对应的起始索引和结束索引，以及视频 FPS 和音频采样率，我 go 如何提取音频片段匹配视频的兴趣片段？ 我的直觉是通过以下方式将帧转换为时间： 将时间转换为样本 position： 这样对吗？ 还是我缺少什么？ 我担心会丢 ...
我已经构建了一个 U-Net model 来执行多轨音频的音频混合，为此我在训练 model 时使用了 20 个音轨剪辑（转换为频谱图）作为输入。 但是训练过程非常长，所以我认为最好从每条轨道上截取 2s 片段来训练 model。 数据被组织为 8 个词干（单独的乐器音轨）作为输入，单个词干混合作 ...
我正在尝试使用torchaudio ，但我无法导入它。 我已经安装了它，它也可以通过pip列表看到。 ...
我用torchaudio和librosa在python中加载了mp3文件 两个数组的长度不同，为什么使它们不同，以及如何使它们相同？ 如果我将 example.mp3 转换为 wav 文件 并使用torchaudio 、 librosa 、 soundfile加载 wav 文件 这三个 ...
在 AWS sagemaker GPU 容器中安装 torchaudio 的正确方法是什么？ 为什么没有预先安装？ 我试过pip install torchaudio但它也尝试卸载和安装 pytorch 以及破坏整个容器。 我收到segmentation fault错误可能是因为它安装了基于 CP ...
从文档https://pytorch.org/audio/stable/backend.html#torchaudio.backend.sox_io_backend.load看来，似乎没有用于以固定采样率加载音频的参数，这对于训练模型很重要。 如何使用 torchaudio 加载具有固定采样率的 p ...
我想使用 torchaudio ctc_decoder 模块制作 ctc_decoder。 根据本教程使用 CTC 解码器进行ASR 推理，它应该像往常一样容易导入，但即使在安装了 torchaudio 之后，我也无法在 google colab 中这样做。 它说ModuleNotFoundErro ...
我想为机器学习项目增加我的音频数据。 我正在寻找一种方法来逐渐调制音频剪辑的音高以模拟多普勒效应。 从我所见，Librosa 和 Torchaudio 仅支持基本的音调偏移 function，除了在 GarageBand 或其他一些 DAW 中手动处理之外，我不知道如何处理这个问题：) 谢谢！ ...
在文件路径上实现 torchaudio.info 后，我得到的返回值与文档中指定的不同。 这里的代码返回<torchaudio.backend.common.AudioMetaData object at 0x000001908CFB3B20> 虽然我需要按照文档指定的方式返回以下 ...
我有一个 pandas dataframe 具有以下结构： 小路句子演讲输入值标签音频1.mp3 这是第一个音频 [[0.0, 0.0, 0.0, ..., 0.0, 0.0]] [[0.00005, ..., 0.0003]] [23, 4, 6, 11, ..., 12 音频2.mp3 这是 ...
我一直在使用这个脚本： 获取一些立体声音乐音频的频谱图。 我预计生成的频谱图的形状为 [2, 257, audio.shape[1]/32] 然而，事实并非如此。 例如，大小为 [2, 199488] 的音频剪辑（sr=24576）会产生大小为 [2, 257, 6241] 的频谱图（请注意 19 ...
刚开始学习 Torchaudio，我得到了这个错误。 我修复了第一部分，但即使经过一些深入的互联网冲浪，我也找不到修复。 我使用 Windows 10。 谢谢你的帮助 ！ ...
有人可以帮我解决torchaudio中的这个UserWarning吗？ 错误信息： 提前致谢！ ...
我有多个深度/精度为 16 位的 WAV 文件。 torchaudio.info(...)认识到这一点，给我： 然而，当我使用torchaudio.load(...)时，我得到了结果张量的float32 dtype。 使用名为audio的张量，我知道我可以执行audio.half()将其截断为 ...