音频加载故障排除

本页面旨在记录如何安装torchaudio后端，并为您的音频加载问题提供故障排除步骤。

介绍

SpeechBrain 在大多数情况下依赖 torchaudio 来加载音频文件。如果您遇到问题，请首先尝试更新 torchaudio。 同时，请确保您使用的 PyTorch 版本与已安装的 torchaudio 版本相匹配。

截至 torchaudio 2.2.0，支持三种后端：ffmpeg、sox 和 soundfile。torchaudio 文档中描述了如何在其 可选依赖文档中找到这些后端。

你可以通过运行torchaudio.list_audio_backends()来确定你的环境中可用的后端。

警告

后端可能会*静默*加载失败，如果初始化失败，它将从列表中省略。

警告

并非每个后端都能支持所有的编解码器。 例如，在撰写本文时，torchaudio的SoX后端无法处理MP3，而SoundFile后端无法处理AAC（通常是.m4a），这两种格式在某些流行的语音数据集中都能找到。 然而，大多数常见格式通常都能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 可以直接使用。在某些系统上，可能没有安装可用的后端。我们建议您尝试以下步骤，看看是否能解决您的问题：

• 在Linux上，如果您拥有超级用户权限，可以通过您的发行版的包管理器安装ffmpeg和/或libsndfile和/或SoX。

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

• 在macOS上，另外，似乎可以通过Homebrew安装ffmpeg。请确保安装的版本与torchaudio兼容（参见ffmpeg）。

• 在Windows/Linux/macOS上，SoundFile已经开始附带预构建的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。

开发者注意事项 & torchaudio 2.x 的重大更改

在 torchaudio <2.x 版本中，后端是通过 torchaudio.set_audio_backend 选择的。这个函数在 torchaudio 的 2.x 分支中被弃用并移除，并且在 SpeechBrain 中不再使用。从那时起，后端（可选地）通过 torchaudio.load() 和 torchaudio.info() 的 backend 参数选择。

安装/故障排除后端

ffmpeg

torchaudio 为 ffmpeg 的特定范围版本编译了他们的 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。

根据您的操作系统版本，您安装的ffmpeg版本可能不受torchaudio支持（如果版本太新或太旧）。 如果您认为这是问题所在，您可以尝试安装由conda-forge提供的特定版本的ffmpeg包。

有关更多详细信息，请参阅torchaudio文档中的可选依赖项。

音频文件

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

从 SoundFile 0.12.0 开始，这个包捆绑了预构建的 libsndfile 适用于多个平台。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，而是期望由系统提供。

如果您从早期版本升级后无法再加载音频文件，可能是由于这个原因。在这种情况下，您可能需要安装SoX或使用不同的后端。