mirror of
https://github.com/modelscope/FunASR
synced 2025-09-15 14:48:36 +08:00
load_audio_text_image_video
This commit is contained in:
parent
4f98546f36
commit
e6a7bbe1ca
@ -10,52 +10,52 @@ import time
|
|||||||
import logging
|
import logging
|
||||||
from torch.nn.utils.rnn import pad_sequence
|
from torch.nn.utils.rnn import pad_sequence
|
||||||
|
|
||||||
# def load_audio(audio_or_path_or_list, fs: int=16000, audio_fs: int=16000):
|
# def load_audio(data_or_path_or_list, fs: int=16000, audio_fs: int=16000):
|
||||||
#
|
#
|
||||||
# if isinstance(audio_or_path_or_list, (list, tuple)):
|
# if isinstance(data_or_path_or_list, (list, tuple)):
|
||||||
# return [load_audio(audio, fs=fs, audio_fs=audio_fs) for audio in audio_or_path_or_list]
|
# return [load_audio(audio, fs=fs, audio_fs=audio_fs) for audio in data_or_path_or_list]
|
||||||
#
|
#
|
||||||
# if isinstance(audio_or_path_or_list, str) and os.path.exists(audio_or_path_or_list):
|
# if isinstance(data_or_path_or_list, str) and os.path.exists(data_or_path_or_list):
|
||||||
# audio_or_path_or_list, audio_fs = torchaudio.load(audio_or_path_or_list)
|
# data_or_path_or_list, audio_fs = torchaudio.load(data_or_path_or_list)
|
||||||
# audio_or_path_or_list = audio_or_path_or_list[0, :]
|
# data_or_path_or_list = data_or_path_or_list[0, :]
|
||||||
# elif isinstance(audio_or_path_or_list, np.ndarray): # audio sample point
|
# elif isinstance(data_or_path_or_list, np.ndarray): # audio sample point
|
||||||
# audio_or_path_or_list = np.squeeze(audio_or_path_or_list) #[n_samples,]
|
# data_or_path_or_list = np.squeeze(data_or_path_or_list) #[n_samples,]
|
||||||
#
|
#
|
||||||
# if audio_fs != fs:
|
# if audio_fs != fs:
|
||||||
# resampler = torchaudio.transforms.Resample(audio_fs, fs)
|
# resampler = torchaudio.transforms.Resample(audio_fs, fs)
|
||||||
# audio_or_path_or_list = resampler(audio_or_path_or_list[None, :])[0, :]
|
# data_or_path_or_list = resampler(data_or_path_or_list[None, :])[0, :]
|
||||||
# return audio_or_path_or_list
|
# return data_or_path_or_list
|
||||||
|
|
||||||
|
|
||||||
def load_audio_text_image_video(audio_or_path_or_list, fs: int = 16000, audio_fs: int = 16000, data_type=None, tokenizer=None):
|
def load_audio_text_image_video(data_or_path_or_list, fs: int = 16000, audio_fs: int = 16000, data_type=None, tokenizer=None):
|
||||||
if isinstance(audio_or_path_or_list, (list, tuple)):
|
if isinstance(data_or_path_or_list, (list, tuple)):
|
||||||
if data_type is not None and isinstance(data_type, (list, tuple)):
|
if data_type is not None and isinstance(data_type, (list, tuple)):
|
||||||
|
|
||||||
data_types = [data_type] * len(audio_or_path_or_list)
|
data_types = [data_type] * len(data_or_path_or_list)
|
||||||
audio_or_path_or_list_ret = [[] for d in data_type]
|
data_or_path_or_list_ret = [[] for d in data_type]
|
||||||
for i, (data_type_i, audio_or_path_or_list_i) in enumerate(zip(data_types, audio_or_path_or_list)):
|
for i, (data_type_i, data_or_path_or_list_i) in enumerate(zip(data_types, data_or_path_or_list)):
|
||||||
|
|
||||||
for j, (data_type_j, audio_or_path_or_list_j) in enumerate(zip(data_type_i, audio_or_path_or_list_i)):
|
for j, (data_type_j, data_or_path_or_list_j) in enumerate(zip(data_type_i, data_or_path_or_list_i)):
|
||||||
|
|
||||||
audio_or_path_or_list_j = load_audio_text_image_video(audio_or_path_or_list_j, fs=fs, audio_fs=audio_fs, data_type=data_type_j, tokenizer=tokenizer)
|
data_or_path_or_list_j = load_audio_text_image_video(data_or_path_or_list_j, fs=fs, audio_fs=audio_fs, data_type=data_type_j, tokenizer=tokenizer)
|
||||||
audio_or_path_or_list_ret[j].append(audio_or_path_or_list_j)
|
data_or_path_or_list_ret[j].append(data_or_path_or_list_j)
|
||||||
|
|
||||||
return audio_or_path_or_list_ret
|
return data_or_path_or_list_ret
|
||||||
else:
|
else:
|
||||||
return [load_audio_text_image_video(audio, fs=fs, audio_fs=audio_fs) for audio in audio_or_path_or_list]
|
return [load_audio_text_image_video(audio, fs=fs, audio_fs=audio_fs) for audio in data_or_path_or_list]
|
||||||
|
|
||||||
if isinstance(audio_or_path_or_list, str) and os.path.exists(audio_or_path_or_list):
|
if isinstance(data_or_path_or_list, str) and os.path.exists(data_or_path_or_list):
|
||||||
audio_or_path_or_list, audio_fs = torchaudio.load(audio_or_path_or_list)
|
data_or_path_or_list, audio_fs = torchaudio.load(data_or_path_or_list)
|
||||||
audio_or_path_or_list = audio_or_path_or_list[0, :]
|
data_or_path_or_list = data_or_path_or_list[0, :]
|
||||||
elif isinstance(audio_or_path_or_list, np.ndarray): # audio sample point
|
elif isinstance(data_or_path_or_list, np.ndarray): # audio sample point
|
||||||
audio_or_path_or_list = np.squeeze(audio_or_path_or_list) # [n_samples,]
|
data_or_path_or_list = np.squeeze(data_or_path_or_list) # [n_samples,]
|
||||||
elif isinstance(audio_or_path_or_list, str) and data_type is not None and data_type == "text" and tokenizer is not None:
|
elif isinstance(data_or_path_or_list, str) and data_type is not None and data_type == "text" and tokenizer is not None:
|
||||||
audio_or_path_or_list = tokenizer.encode(audio_or_path_or_list)
|
data_or_path_or_list = tokenizer.encode(data_or_path_or_list)
|
||||||
|
|
||||||
if audio_fs != fs and data_type != "text":
|
if audio_fs != fs and data_type != "text":
|
||||||
resampler = torchaudio.transforms.Resample(audio_fs, fs)
|
resampler = torchaudio.transforms.Resample(audio_fs, fs)
|
||||||
audio_or_path_or_list = resampler(audio_or_path_or_list[None, :])[0, :]
|
data_or_path_or_list = resampler(data_or_path_or_list[None, :])[0, :]
|
||||||
return audio_or_path_or_list
|
return data_or_path_or_list
|
||||||
|
|
||||||
def load_bytes(input):
|
def load_bytes(input):
|
||||||
middle_data = np.frombuffer(input, dtype=np.int16)
|
middle_data = np.frombuffer(input, dtype=np.int16)
|
||||||
|
|||||||
Loading…
Reference in New Issue
Block a user