audio

收录理由

TorchAudio 是 PyTorch 官方配套的音频库，它的设计初衷就是让音频处理全程留在 PyTorch 生态内，省去在多个工具之间来回切换的麻烦。它能把常见的语音和音频数据集直接加载成张量，并提供频谱图、梅尔频谱、MFCC、重采样等常用变换，这些操作都支持 GPU 加速且保持可微，算出的特征能直接喂给训练流程。这个项目把自己明确定位成机器学习库，而不是通用的信号处理工具箱，因此做语音识别和音频分类的团队往往优先考虑它。目前 TorchAudio 已进入维护阶段，虽然移除了部分冗余功能，但核心的数据加载和变换路径依然稳定，应付日常生产环境绰绰有余。