AudioDecoder

class torchcodec.decoders.AudioDecoder(source: Union[str, Path, RawIOBase, BufferedReader, bytes, Tensor], *, stream_index: Optional[int] = None, sample_rate: Optional[int] = None, num_channels: Optional[int] = None)

一個單流音訊解碼器。

這可用於解碼純音訊檔案（例如 mp3、wav 等）或包含音訊流的影片（例如 mp4 影片）中的音訊。

返回的樣本是歸一化在 [-1, 1] 範圍內的浮點樣本

引數:

• (str (source) –

  object): 影片或音訊的來源

  • 如果為 str：本地路徑或影片/音訊檔案的 URL。

  • 如果為 Pathlib.path：本地影片或音訊檔案的路徑。

  • 如果為 bytes 物件或 torch.Tensor：原始編碼的音訊資料。

  • 如果是類檔案物件：我們將按需從該物件讀取影片資料。該物件必須公開 read(self, size: int) -> bytes 和 seek(self, offset: int, whence: int) -> bytes 方法。詳細閱讀：透過類檔案支援流式傳輸資料。

• Pathlib.path –

  object): 影片或音訊的來源

  • 如果為 str：本地路徑或影片/音訊檔案的 URL。

  • 如果為 Pathlib.path：本地影片或音訊檔案的路徑。

  • 如果為 bytes 物件或 torch.Tensor：原始編碼的音訊資料。

  • 如果是類檔案物件：我們將按需從該物件讀取影片資料。該物件必須公開 read(self, size: int) -> bytes 和 seek(self, offset: int, whence: int) -> bytes 方法。詳細閱讀：透過類檔案支援流式傳輸資料。

• bytes –

  object): 影片或音訊的來源

  • 如果為 str：本地路徑或影片/音訊檔案的 URL。

  • 如果為 Pathlib.path：本地影片或音訊檔案的路徑。

  • 如果為 bytes 物件或 torch.Tensor：原始編碼的音訊資料。

  • 如果是類檔案物件：我們將按需從該物件讀取影片資料。該物件必須公開 read(self, size: int) -> bytes 和 seek(self, offset: int, whence: int) -> bytes 方法。詳細閱讀：透過類檔案支援流式傳輸資料。

• file-like (torch.Tensor 或) –

  object): 影片或音訊的來源

  • 如果為 str：本地路徑或影片/音訊檔案的 URL。

  • 如果為 Pathlib.path：本地影片或音訊檔案的路徑。

  • 如果為 bytes 物件或 torch.Tensor：原始編碼的音訊資料。

  • 如果是類檔案物件：我們將按需從該物件讀取影片資料。該物件必須公開 read(self, size: int) -> bytes 和 seek(self, offset: int, whence: int) -> bytes 方法。詳細閱讀：透過類檔案支援流式傳輸資料。

• stream_index (int, optional) – 指定要從中解碼樣本的檔案的流。請注意，此索引對於所有媒體型別都是絕對的。如果未指定，則使用 最佳流。

• sample_rate (int, optional) – 解碼樣本所需的輸出取樣率。預設情況下，使用源的取樣率。

• num_channels (int, optional) – 解碼樣本所需的通道數。預設情況下，使用源的通道數。

變數:

• metadata (AudioStreamMetadata) – 音訊流的元資料。

• stream_index (int) – 此解碼器正在從中檢索樣本的流索引。如果在初始化時提供了流索引，則此值為相同的值。如果未指定，則為 最佳流。

使用 AudioDecoder 的示例

使用 AudioDecoder 解碼音訊流

使用 AudioDecoder 解碼音訊流

透過類檔案物件流式傳輸資料

透過類檔案物件流式傳輸資料

使用 AudioEncoder 對音訊樣本進行編碼

使用 AudioEncoder 對音訊樣本進行編碼

get_all_samples() → AudioSamples

返回源中的所有音訊樣本。

要解碼特定範圍內的樣本，請使用 get_samples_played_in_range()。

返回:

檔案中的樣本。

返回型別:

AudioSamples

get_samples_played_in_range(start_seconds: float = 0.0, stop_seconds: Optional[float] = None) → AudioSamples

返回給定範圍內的音訊樣本。

樣本位於半開區間 [start_seconds, stop_seconds)。

要解碼從開始到結束的所有樣本，您可以呼叫此方法，將 start_seconds 和 stop_seconds 保留為其預設值，或者使用 get_all_samples() 作為更方便的別名。

引數:

• start_seconds (float) – 範圍開始時間（以秒為單位）。預設為 0。

• stop_seconds (float 或 None) – 範圍結束時間（以秒為單位）。作為一個半開區間，不包括結束時間。預設為 None，表示解碼直到最後。

返回:

指定範圍內的樣本。

返回型別:

AudioSamples