音频

音频内部使用PyAV库处理数据。支持的音频格式：mp3、aiff、flac、wav、wma、m4a、aac。音频对象的属性和方法如下所示：

表1 属性（Properties）
属性名	类型	说明
filename	str	音频文件的路径或文件名（如果从文件加载）。
format	str	音频格式（如wav、mp3）。
subtype	str	音频编码。
data	bytes	音频数据。

表2 方法（Methods）
方法名	参数	返回值	说明
__init__	filename: Union[str, os.PathLike] = None data: Union[str, bytes, sf.SoundFile] = None	None	构造方法：从文件（filename）或数据（data）加载音频，支持二进制数据或soundfile对象。
truncate	start_time: float = 0 end_time: Optional[float] = None	Audio	截取音频片段（时间单位为秒），返回新Audio对象。
convert_format	format: str subtype: Optional[str] = None	Audio	转换音频格式（如wav转mp3），返回新Audio对象。
write	filename: str	None	将音频写入指定文件（自动推断格式）。
split	interval: int	list[Audio]	按指定interval秒数分割audio为片段列表。

音频读写

该示例演示如何从obs路径下"obs://xxxxx/xxxxx"读取音频，并且加载到dataset中，然后从中随机选取3条音频再写回到指定的obs路径下。

import os
from aura_frame.multimodal import ai_lake

target_database = "test"
conn = ai_lake.connect(
    aura_endpoint=os.getenv("AURA_ENDPOINT"),
    aura_endpoint_name=os.getenv("AURA_ENDPOINT_NAME"),
    aura_workspace_id=os.getenv("AURA_WORKSPACE"),
    lf_catalog_name=os.getenv("AURA_CATALOG"),
    access_key=os.getenv("access_key"),
    secret_key=os.getenv("secret_key"),
    default_database=target_database,
    use_single_cn_mode=True
)
ds = conn.read_audios("obs://xxxxx/xxxxx", start=0, end=-1, sample_rate=16000, file_extensions=["wav", "flac"], include_paths=True)
ds.show(3)

ds_to_write = ds.select_columns([ds.audio]).limit(3)
ds_to_write.write_audios("obs://xxxxx/xxxxx", "audio", file_format="wav", start=0, end=-1, sample_rate=16000, filename_prefix="audio_", try_create_dir=True)

conn.close()

父主题： 数据类型

上一篇：视频

下一篇：向量