【torchaudio】常用函数和类

torchaudio.load

将音频文件转化为tensor
函数输出两个值：音频信号和采样率，函数输入如下：

torchaudio.backend.sox_io_backend.load(filepath: str, frame_offset: int = 0, num_frames: int = -1, normalize: bool = True, channels_first: bool = True, format: Optional[str] = None) → Tuple[Tensor, int]

其中channels_first为True时，音频信号tensor的shape为[channel, time]，channel为声道数，time为各个时间点的信号值。如果channels_first为False，tensor的shape为[time, channels]
noirmalize参数并不执行音量的归一化，而是把采样点的数据类型从原来的类型转化为torch.float32 。当输入格式为WAV的整数类型，比如32bit带符号整型，16bit带符号整型，24bit带符号整型，8bit无符号整型，参数normalize=False会返回整型的tensor。对于32bit浮点型WAV和其他格式，比如flac和mp3，normalize参数没有作用。

torchaudio.Resample类

将一个信号从一个频率（frequency）resample到另一个频率。

CLASStorchaudio.transforms.Resample(orig_freq: int = 16000, new_freq: int = 16000, resampling_method: str = 'sinc_interpolation', lowpass_filter_width: int = 6, rolloff: float = 0.99, beta: Optional[float] = None, *, dtype: Optional[dtype] = None)