torchaudio：PyTorch 音频处理库｜部署与使用全指南

项目仓库： https://github.com/pytorch/audio

文档：pytorch.org/audio · 形态：Python 库 · 最新版本：2.11 · 依赖：torch 2.11+ · 状态：已进入维护阶段

1 项目简介

torchaudio 是 PyTorch 生态的音频处理库：把 PyTorch 的 GPU 加速、autograd、张量操作应用到音频领域。提供数据加载、常用变换（Spectrogram、MelSpectrogram、MFCC、Resample）、强制对齐（forced_align）、Kaldi 兼容接口。当前进入维护阶段，聚焦 ML 音频处理。

1.1 核心信息一览

1.2 适用场景

• 在 PyTorch 模型中加载音频。
• 计算 Spectrogram/MFCC/Mel 特征。
• 音频重采样、强制对齐。

2 功能特性

• 数据加载器：常见音频数据集。
• 变换：Spectrogram、AmplitudeToDB、MelScale、MelSpectrogram、MFCC、MuLaw、Resample。
• forced_align：强制对齐。
• Kaldi 兼容接口：spectrogram/fbank/mfcc。

3 官方跳转链接汇总

4 前置要求

• torch 2.11+。

5 方式一：pip 安装

pip install torchaudio

6 方式二：基础用法

import torchaudio
waveform, sample_rate = torchaudio.load("audio.wav")
spec = torchaudio.transforms.MelSpectrogram()(waveform)

7 关键约束

• torchaudio 2.11 不绑定 torch 版本，兼容未来 torch 版本。
• 已进入维护阶段；2.8 弃用、2.9 移除了部分功能（见 community message）。

8 常见故障排查

• 版本不兼容：参考 installation.html 兼容性矩阵。
• 功能被移除：查 community message #3902。

9 风险与合规说明

• BSD 风格许可（PyTorch 生态）。
• 库本身无内容风险。

本文基于官方 README 整理，仅供学习与部署参考；以仓库最新说明为准。