要支持解码“mp3”音频文件，请安装“sox”

Question

我正在尝试在 wav2vec 2 模型上使用迁移学习来研究 ASR 模型。 无论如何，当我不想显示或修改音频文件时，我就会遇到这个问题

def prepare_dataset(batch):
    audio = batch["audio"]

    # batched output is "un-batched"
    batch["input_values"] = processor(audio["array"], sampling_rate=audio["sampling_rate"]).input_values[0]
    batch["input_length"] = len(batch["input_values"])
    
    with processor.as_target_processor():
        batch["labels"] = processor(batch["sentence"]).input_ids
    return batch

common_voice_train = common_voice_train.map(prepare_dataset, remove_columns=common_voice_train.column_names)
common_voice_test = common_voice_test.map(prepare_dataset, remove_columns=common_voice_test.column_names)

错误：

运行时错误：后端“sox_io”不是可用后端之一：['soundfile']。 ImportError：要支持解码“mp3”音频文件，请安装“sox”。

这是我的 pytorch 和 torchaudio 版本：

import torch
import torchaudio

print(torch.__version__)
print(torchaudio.__version__)

1.13.1+cu117
0.13.1+cu117

我真的需要帮助解决这个问题，这是我初级项目的一部分！ )':

我尝试安装 pytorch 并安装不同版本，但没有任何效果，代码正在运行。在 Colab 中很好，但我不可能在那里训练它，所以我必须使用可视化代码......

Answer 1

TorchAudio v2.1-（于 2023 年 9 月添加）

在 TorchAudio v2.1 中，sox 绑定切换为动态。这意味着用户需要以某种方式单独安装 libsox，其中一种方法是

pip install sox

。

TorchAudio v2.1 之前（原始答案）

首先，请注意第二条错误消息不是来自 torchaudio，并且它不准确。 TorchAudio 不依赖于外部

sox

包。

TorchAudio 在 Windows 上提供有限的 IO 功能，而 libsox 则不提供 使用VS2019在Windows上编译。这种情况正在得到解决，但从 v0.13 开始，Windows 用户需要解决方法。

一个简单的方法是使用其他库（如 soundfile）并将解码后的 NumPy NdArray 对象转换为 PyTorch Tensor。

另一种方法是安装 FFmpeg，并使用

torchaudio.io.StreamReader

。您可以按照这样的教程编写自己的加载函数。

https://pytorch.org/audio/0.13.1/tutorials/streamreader_basic_tutorial.html#sphx-glr-tutorials-streamreader-basic-tutorial-py

Answer 2

要解决您的问题，请执行以下操作

安装普通

sox

库

pip install sox

或者（如果您不在 fedora/rhel 上，请将

dnf

更改为

apt

，例如在 ubuntu 上）

sudo dnf install sox

如果这没有帮助，您可能仍然需要安装 SoX 的开发二进制文件。

sudo dnf install sox-devel

为了让 TorchAudio 工作，需要在你的库中找到 libsox.so 。

您可以检查libsox.so在哪里使用

find / -name libsox.so 2>/dev/null