Python音频加载基准测试

本仓库旨在评估从Python接口调用的各种音频I/O包的加载性能。

这对于当今经常处理原始（时域）音频并即时组装批次的机器学习模型来说很重要。因此，尽可能快速地加载音频变得至关重要。同时，理想情况下，一个库应该支持各种未压缩和压缩的音频格式，并且能够只加载音频的部分内容（定位）。后者对于那些无法轻松处理可变长度样本的模型（如卷积网络）尤为重要。

测试的库

未包含的库

• audioread (coreaudio)：仅在macOS上可用。
• audioread (gstreamer)：安装过于困难。
• madmom：与ar_ffmpeg使用相同的ffmpeg接口。
• pymad：仅支持MP3，且速度很慢。
• python内置wave：编解码器支持过于有限。

结果

基准测试加载了不同长度（1到151秒之间）的多个（单声道）音频文件，并测量了将音频转换为张量所需的时间。根据目标张量类型（numpy、pytorch或tensorflow），比较了不同数量的库。例如，当输出类型为numpy且目标张量类型为tensorflow时，加载时间包括了转换为目标张量的操作。此外，数据加载器的多进程功能被禁用。因此，特别是对于深度学习应用，加载速度并不一定代表批次加载速度。

以下显示的所有结果都以秒**为单位表示加载时间。

加载到Numpy张量

加载到PyTorch张量

加载到Tensorflow张量

获取元数据信息

除了加载文件外，还可能需要提取元数据。为了对此进行基准测试，我们要求每个文件提供_采样率_、声道数、_样本数_和_持续时间_的元数据。这些都是连续调用的，这意味着不允许一次性打开文件并提取所有元数据。请注意，我们已经从元数据的基准测试结果中排除了pydub，因为它明显比其他工具慢得多。

运行基准测试

生成样本数据

为了测试加载速度，我们生成不同时长的随机（噪声）音频数据，并将其编码为PCM 16位WAV、MP3 CBR或MP4格式。 数据是通过使用shell脚本生成的。要在AUDIO文件夹中生成数据，请运行

generate_audio.sh

使用Docker设置

使用以下命令构建Docker容器

docker build -t audio_benchmark .

它会安装所有音频库所需的所有包依赖。 之后，将数据目录挂载到Docker容器中，并在容器内运行run.sh，例如：

docker run -v /home/user/repos/python_audio_loading_benchmark/:/app \
    -it audio_benchmark:latest /bin/bash run.sh

在虚拟环境中设置

创建虚拟环境，安装必要的依赖项并运行基准测试：

virtualenv --python=/usr/bin/python3 --no-site-packages _env
source _env/bin/activate
pip install -r requirements.txt
pip install git+https://github.com/pytorch/audio.git

进行基准测试

运行基准测试：

bash run.sh

并使用以下命令绘制结果：

python plot.py

这将在results文件夹中生成PNG文件。 数据是通过使用shell脚本生成的。要在AUDIO文件夹中生成数据，请运行generate_audio.sh。

作者

@faroit, @hagenw

贡献

我们鼓励感兴趣的用户通过问题区和拉取请求为这个仓库做出贡献。特别感兴趣的是有关新工具和现有包新版本的通知。由于基准测试具有主观性，我（@faroit）将在我们的服务器上重新运行基准测试。