音频加载疑难解答

本页面旨在介绍如何安装 torchaudio 后端，并提供音频加载问题的排查步骤。

简介

在大多数情况下，SpeechBrain 依靠 torchaudio 加载音频文件。如果你遇到问题，请首先尝试更新 torchaudio。同时请确保你的 PyTorch 版本与安装的 torchaudio 版本兼容。

截至 torchaudio 2.2.0，支持三种后端：ffmpeg、sox 和 soundfile。torchaudio 在其可选依赖文档中说明了如何找到这些后端。

你可以通过运行 torchaudio.list_audio_backends() 来确定你的环境中哪些后端可用。

警告

如果初始化失败，后端可能*静默*加载失败，并会被排除在此列表之外。

警告

并非所有后端都能支持任何编解码器。 例如，在撰写本文时，torchaudio 的 SoX 后端无法处理 MP3，SoundFile 后端无法处理 AAC（通常是 .m4a），这两种格式都存在于一些流行的语音数据集中。然而，大多数常见格式通常都得到所有后端的良好支持（.wav/.ogg vorbis/opus/.flac）。

推荐的安装步骤

通常，torchaudio 可以直接工作。在某些系统上，可能没有安装可用的后端。我们建议你尝试以下步骤，看是否能解决你的问题

• 在 Linux 上，如果你有超级用户权限，可以通过你的发行版包管理器安装 ffmpeg 和/或 libsndfile 和/或 SoX。

• 在 Windows/Linux/macOS 上，你可以尝试通过 Conda 安装 ffmpeg（参阅ffmpeg），这不需要超级用户权限（前提是 Conda 可用）。

• 在 macOS 上，或者，似乎可以通过 Homebrew 安装 ffmpeg。请确保你安装的版本与 torchaudio 兼容（参阅ffmpeg）。

• 在 Windows/Linux/macOS 上，SoundFile 开始附带预构建的 libsndfile，这不需要管理员权限。尝试安装或更新它。有关更多详细信息，请参阅链接页面。

开发者须知及 torchaudio 2.x 的重大变更

在 torchaudio <2.x 中，后端是通过 torchaudio.set_audio_backend 选择的。此函数在 torchaudio 的 2.x 分支中已被弃用并删除，SpeechBrain 中也不再使用。从那时起，后端（可选地）通过 torchaudio.load() 和 torchaudio.info() 的 backend 参数选择。

安装/排除后端故障

ffmpeg

torchaudio 为 特定范围 的 ffmpeg 版本编译其 ffmpeg 后端。

ffmpeg 通常已经安装在常见的 Linux 发行版上。在 Ubuntu 上，可以通过 sudo apt install ffmpeg 安装。

根据你的操作系统版本，你安装的 ffmpeg 版本可能不受 torchaudio 支持（如果太新或太旧）。如果你认为情况如此，可以尝试安装由 conda-forge 提供的特定版本的 ffmpeg 包。

有关更多详细信息，请参阅torchaudio 可选依赖文档。

SoundFile

torchaudio 可以使用 soundfile 作为音频后端，它依赖于 libsndfile。

从 SoundFile 0.12.0 开始，此包捆绑了适用于多种平台的预构建 libsndfile。有关更多详细信息，请参阅项目页面。

SoX

从 torchaudio 0.12.0 开始，SoX 后端不再支持 mp3 文件。

从 torchaudio 2.1.0 开始，torchaudio 不再自行编译和捆绑 SoX，并期望由系统提供。

如果你从早期版本升级，并且无法再加载音频文件，这可能是原因。在这种情况下，你可能需要安装 SoX 或使用不同的后端。