如何在 torchaudio 中加載字節為 object 的 WAV 音頻文件？

Question

我正在嘗試加載一個名為“音頻”的字節類 object 以作為 torchaudio object 加載：

def convert_audio(audio, target_sr: int = 16000): 


    wav, sr = torchaudio.load(audio) 

    #(...) some other code

我無法在網上找到任何有關如何在 Torchaudio 中加載字節音頻 object 的說明的文檔，它似乎只接受路徑字符串。 但是我必須在我的應用程序中保存 I/O，我不能寫入和加載.wav 文件，只能直接處理音頻對象。

在這種情況下有人有建議嗎？

如果我直接使用音頻，我會得到這個錯誤：

Exception has occurred: AttributeError       (note: full exception trace is shown but execution is paused at: _run_module_as_main)
'bytes' object has no attribute 'seek'. You can only torch.load from a file that is seekable. Please pre-load the data into a buffer like io.BytesIO and try to load from it instead.
  File "/home/felipe/.local/lib/python3.10/site-packages/torch/serialization.py", line 348, in _check_seekable
    f.seek(f.tell())

使用 BytesIO：

Exception has occurred: UnpicklingError       (note: full exception trace is shown but execution is paused at: _run_module_as_main)
invalid load key, '\x00'.
  File "/home/felipe/.local/lib/python3.10/site-packages/torch/serialization.py", line 1002, in _legacy_load
    magic_number = pickle_module.load(f, **pickle_load_args)
  File "/home/felipe/.local/lib/python3.10/site-packages/torch/serialization.py", line 795, in load
    return _legacy_load(opened_file, map_location, pickle_module, **pickle_load_args)
  File "/home/felipe/Coding projects/silero/stt.py", line 35, in convert_audio
    wav,sr = torch.load(io.BytesIO(audio))
  File "/home/felipe/Coding projects/silero/stt.py", line 60, in transcribe
    input = prepare_model_input(convert_audio(audio),
  File "/home/felipe/Coding projects/silero/psgui.py", line 97, in <module>
    transcripton = stt.transcribe('en',audio)
  File "/usr/lib/python3.10/runpy.py", line 86, in _run_code
    exec(code, run_globals)
  File "/usr/lib/python3.10/runpy.py", line 196, in _run_module_as_main (Current frame)
    return _run_code(code, main_globals, None,

Answer 1

如果它是 WAV 格式， torchaudio.load應該能夠從類似 object 的文件中解碼它。你的代碼片段對我來說看起來不錯。

以下教程使用不同的類文件對象對其進行了演示。

https://pytorch.org/audio/0.13.0/tutorials/audio_io_tutorial.html#loading-from-file-like-object

不過，它不起作用的原因有很多。 例如，您的類文件對象的 cursor 是否指向正確的 position（音頻數據的開頭）？ read方法是否符合io.RawIOBase.read協議？

如果沒有看到錯誤堆棧跟蹤，很難說清楚。