•
pytorch tutorials中文文档
首页
/
pytorch音频
/
从源码构建
Torch audio 文档
索引
支持的功能
功能分类
TorchAudio 徽标
参考文献
安装
安装预编译的二进制文件
从源码构建
在 Linux 和 macOS 上构建
在 Windows 上构建
在 Jetson 上构建
启用 GPU 视频解码器/编码器
API 教程
音频输入/输出
StreamReader 基本用法
StreamReader 高级用法
StreamWriter 基本用法
StreamWriter 高级用法
使用 NVDEC 加速视频解码
使用 NVENC 加速视频编码
AudioEffector 使用指南
音频重采样
音频数据增强
音频特征提取
音频特征增强
CTC 强制对齐 API 教程
振荡器和ADSR包络
加法合成
滤波器设计教程
减法合成
音频数据集
管道教程
使用 Wav2Vec2 进行语音识别
使用 CTC 解码器进行语音识别推理
使用 CUDA CTC 解码器进行 ASR 推理
使用 Emformer RNN-T 进行在线语音识别
使用 Emformer RNN-T 进行设备端语音识别
设备端基于 Emformer RNN-T 的音频-视觉语音识别
使用 Wav2Vec2 进行强制对齐
多语言数据的强制对齐
使用 Tacotron2 实现文本转语音
基于 MVDR 波束形成的语音增强
使用 Hybrid Demucs 进行音乐源分离
Torchaudio-Squim: TorchAudio 中的非侵入式语音评估
训练实用技巧
Conformer RNN-T 语音识别
Emformer RNN-T 语音识别
Conv-TasNet 源分离
HuBERT 预训练与微调（ASR）
实时音视频自动语音识别
Python API 参考文档
torchaudio
torchaudio.io
torchaudio.functional
torchaudio.transforms
torchaudio.datasets
torchaudio.models
torchaudio.models.decoder
torchaudio.pipelines
torchaudio.sox_effects
torchaudio.compliance.kaldi
torchaudio.kaldi_io
torchaudio.utils
torio
torio.io
torio.utils
Python 原型 API 参考
torchaudio.prototype
torchaudio.prototype.datasets
torchaudio.prototype.functional
torchaudio.prototype.models
torchaudio.prototype.pipelines
torchaudio.prototype.transforms
C++ 原型 API 参考
libtorio
torio::io::StreamingMediaDecoder
torio::io::StreamingMediaEncoder
PyTorch 库
PyTorch
torchaudio
torchtext
torchvision
TorchElastic
TorchServe
在 XLA 设备上使用 PyTorch

从源码构建

TorchAudio 集成了 PyTorch 用于数值计算，并集成了第三方库用于多媒体输入输出。它需要以下工具来从源码构建。

大多数工具都可以在 Conda 中找到，因此我们建议使用 conda。

自定义构建

TorchAudio 与第三方库的集成可以通过环境变量来启用或禁用。

通过传递 1 可以启用，传递 0 可以禁用。

  • BUILD_SOX: 启用/禁用基于 libsox 的 I/O 功能。

  • BUILD_KALDI: 启用/禁用基于 Kaldi 的特征提取功能。

  • BUILD_RNNT: 启用/禁用自定义 RNN-T 损失函数。

  • USE_FFMPEG: 启用/禁用基于 FFmpeg 库的 I/O 功能。

  • USE_ROCM: 启用/禁用 AMD ROCm 支持。

  • USE_CUDA: 启用/禁用 CUDA 支持。

有关最新配置及其默认值，请查看源代码。 https://github.com/pytorch/audio/blob/main/tools/setup_helpers/extension.py

本页目录
© 2024 modoc.cn
沪ICP备18008978号-4