安装预构建的二进制文件

torchaudio 提供了适用于 PyPI (pip) 和 Anaconda (conda) 的二进制发行版。

详情请参阅 https://pytorch.org/get-started/locally/。

每个 torchaudio 包都是针对特定版本的 torch 编译的。请参考下表并安装正确的 torch 和 torchaudio 组合。

从 0.10 版本开始，torchaudio 提供了仅支持 CPU 和支持 CUDA 的二进制发行版，每个发行版都需要对应版本的 PyTorch 发行版。

该软件是使用未经修改的 FFmpeg 版本进行编译的，并移除了特定的 rpath 以支持使用系统库。LGPL 源码可以从以下位置下载：n4.1.8 (许可证)、n5.0.3 (许可证) 和 n6.0 (许可证)。

依赖项

• PyTorch

  请参考下面的兼容性矩阵以了解受支持的 PyTorch 版本。

可选依赖项

• FFmpeg

  使用 torchaudio.io 模块和 I/O 函数 中的 backend="ffmpeg" 时需要。

  从 2.1 版本开始，TorchAudio 官方二进制发行版兼容 FFmpeg 版本 6、5 和 4（>=4.4，<7）。在运行时，TorchAudio 首先查找 FFmpeg 6，如果未找到，则继续查找 5，最后查找 4。

  有多种安装 FFmpeg 库的方法。请参考官方文档了解如何安装 FFmpeg。如果您使用的是 Anaconda Python 发行版，conda install -c conda-forge 'ffmpeg<7' 将安装兼容的 FFmpeg 库。

  如果需要指定 TorchAudio 搜索和链接的 FFmpeg 版本，可以通过环境变量 TORIO_USE_FFMPEG_VERSION 来指定。例如，通过设置 TORIO_USE_FFMPEG_VERSION=5，TorchAudio 将仅查找 FFmpeg 5。

  如果由于某些原因，此搜索机制导致问题，您可以通过设置环境变量 TORIO_USE_FFMPEG=0 完全禁用 FFmpeg 集成。

  有多种安装 FFmpeg 库的方法。如果您使用的是 Anaconda Python 发行版，conda install -c conda-forge 'ffmpeg<7' 将安装兼容的 FFmpeg 库。

在搜索 FFmpeg 安装时，TorchAudio 查找带有版本号的库文件。即，Linux 上的 libavutil.so.<VERSION>，macOS 上的 libavutil.<VERSION>.dylib，以及 Windows 上的 avutil-<VERSION>.dll。许多公共预构建的二进制文件遵循此命名规则，但某些发行版使用无版本号的文件名。如果您在检测 FFmpeg 时遇到困难，请仔细检查您安装的库文件是否遵循此命名规则，（并确保它们位于库搜索路径中列出的目录之一。）

• SoX

  在 I/O 函数 中使用 backend="sox" 时需要。

  从 2.1 版本开始，TorchAudio 需要单独安装 libsox。

  如果动态链接导致问题，您可以设置环境变量 TORCHAUDIO_USE_SOX=0，TorchAudio 将不会使用 SoX。

TorchAudio 查找无版本号的库文件，即 Linux 上的 libsox.so 和 macOS 上的 libsox.dylib。某些包管理器以不同的名称安装库文件。例如，Ubuntu 上的 aptitude 安装 libsox.so.3。为了让 TorchAudio 链接到它，您可以创建一个名为 libsox.so 的符号链接（并将符号链接放在库搜索路径中）。

TorchAudio 在 libsox 14.4.2 上进行了测试。（其他版本很可能无法工作。）

• SoundFile

  在 I/O 函数 中使用 backend="soundfile" 时需要。

• sentencepiece

  使用 Emformer RNN-T 进行自动语音识别时需要。您可以通过运行 pip install sentencepiece 来安装它。

• deep-phonemizer

  使用 Tacotron2 文本转语音 进行文本转语音时需要。

• kaldi_io

  使用 torchaudio.kaldi_io 模块时需要。

兼容性矩阵

TorchAudio 的官方二进制发行版包含用 C++ 编写的扩展模块，这些模块与特定版本的 PyTorch 链接。

不同版本的 TorchAudio 和 PyTorch 不能一起使用。请参考下表以获取匹配的版本。