Java 类名：com.alibaba.alink.pipeline.audio.ReadAudioToTensor
Python 类名：ReadAudioToTensor

功能介绍

读取音频文件，并转换为 Alink FloatTensor 格式。

参数说明

名称 中文名称 描述 类型 是否必须？ 取值范围 默认值
outputCol 输出结果列列名 输出结果列列名，必选 String ✓
relativeFilePathCol 文件路径列 文件路径列 String ✓
rootFilePath 文件路径 文件路径 String ✓
sampleRate 采样率 采样率 Integer ✓
duration 采样持续时间 采样持续时间 Double
offset 采样开始时刻 采样开始时刻 Double 0.0
reservedCols 算法保留列名 算法保留列 String[] null
numThreads 组件多线程线程个数 组件多线程线程个数 Integer 1

代码示例

Python 代码

以下代码仅用于示意，可能需要修改部分代码或者配置环境后才能正常运行！

  1. dataDir = "https://alink-test-data.oss-cn-hangzhou.aliyuncs.com/audio";
  3. df = pd.DataFrame([
  4.     ["246.wav"],
  5.     ["247.wav"]
  6. ])
  8. allFiles = BatchOperator.fromDataframe(df, schemaStr='wav_file_path string')
  9. SAMPLE_RATE = 16000
  11. readOp = ReadAudioToTensor().setRootFilePath(dataDir) \
  12. .setSampleRate(SAMPLE_RATE) \
  13. .setRelativeFilePathCol("wav_file_path") \
  14. .setOutputCol("tensor") \
  15. .transform(allFiles)
  17. readOp.print()

Java 代码

  1. package example;
  3. import com.alibaba.alink.operator.batch.BatchOperator;
  4. import com.alibaba.alink.operator.batch.source.MemSourceBatchOp;
  5. import com.alibaba.alink.pipeline.audio.ReadAudioToTensor;
  6. import org.junit.Test;
  8. public class ReadAudioToTensorTest {
  10.     @Test
  11.     public void testReadAudioToTensor() throws Exception {
  12.         String dataDir = "https://alink-test-data.oss-cn-hangzhou.aliyuncs.com/audio";
  13.         String[] allFiles = {"246.wav", "247.wav"};
  14.         int sampleRate = 16000;
  15.         BatchOperator source = new MemSourceBatchOp(allFiles, "wav_file_path");
  16.         ReadAudioToTensor pipe = new ReadAudioToTensor()
  17.                 .setRootFilePath(dataDir)
  18.                 .setSampleRate(sampleRate)
  19.                 .setRelativeFilePathCol("wav_file_path")
  20.                 .setDuration(2)
  21.                 .setOutputCol("tensor");
  22.         pipe.transform(source).print();
  23.     }
  25. }

运行结果

| wav_file_path | tensor | | —- | —- |

| 246.wav | FLOAT#32000,1#-7.324219E-4 -0.0010986328 -9.460449E-4 … |

| 247.wav | FLOAT#32000,1#-0.0057678223 -0.0051574707 -0.0036315918 … |