从源构建

TorchAudio 集成了用于数值计算的 PyTorch 和用于多媒体 I/O 的第三方库。它需要以下工具才能从源代码构建。

• PyTorch 插件

• CMake

• 忍者

• 支持 C++ 17 的 C++ 编译器

  • GCC （Linux）

  • Clang （macOS）

  • MSVC 2019 或更高版本 （Windows）

• pkg-config（Linux/macOS，如果构建 sox 扩展）

• CUDA 工具包和 cuDNN（如果构建 CUDA 扩展）

大多数工具在 Conda 中都可用，因此我们建议使用 conda。

• 在 Linux 和 macOS 上构建
• 在 Windows 上构建
• 在 Jetson 上构建

自定义构建

TorchAudio 与第三方库的集成可以通过以下方式启用/禁用 环境变量。

它们可以通过传递来启用，也可以通过 .10

• BUILD_SOX：启用/禁用基于 libsox 的 I/O 功能。

• BUILD_KALDI：启用/禁用基于 Kaldi 的特征提取。

• BUILD_RNNT：启用/禁用自定义 RNN-T 丢失功能。

• BUILD_CTC_DECODER：启用/禁用基于 Flashlight 文本的 CTC 解码器。

• USE_FFMPEG：启用/禁用基于 FFmpeg 库的 I/O 功能。

• USE_ROCM：启用/禁用 AMD ROCm 支持。

• USE_CUDA：启用/禁用 CUDA 支持。

有关最新配置及其默认值，请查看源代码。https://github.com/pytorch/audio/blob/main/tools/setup_helpers/extension.py