基于wav2vec 2迁移学习的ASR模型MP3音频处理sox报错求助

报错原因 #

本地环境缺少处理MP3音频的sox系统依赖，且torchaudio未启用sox_io后端（Colab默认预装了相关依赖，因此可正常运行）。

解决步骤 #

1. 安装系统级sox工具（核心步骤）

sox是处理MP3格式音频的必要系统工具，不同系统安装方式如下：

• Windows：
  下载适配Windows的sox官方安装包，安装时勾选「Add to PATH」选项；若未勾选，手动将sox安装目录（如C:\Program Files (x86)\sox-14-4-2）添加到系统环境变量PATH，之后重启VSCode生效。
• macOS：
  终端执行命令：

  brew install sox
  

• Linux（Ubuntu/Debian）：
  终端执行命令：

  sudo apt-get update && sudo apt-get install sox libsox-fmt-mp3
  

2. 配置torchaudio使用sox_io后端

在代码开头添加以下代码，强制指定torchaudio启用sox_io后端：

import torchaudio
torchaudio.set_audio_backend("sox_io")

3. 备选方案：转换音频格式为WAV（无需安装sox）

若不想安装sox，可将数据集内的MP3音频批量转换为WAV格式（soundfile后端原生支持WAV）：

• 用ffmpeg批量转换，终端执行（假设音频文件在audio_dir目录下）：

  for file in audio_dir/*.mp3; do ffmpeg -i "$file" "${file%.mp3}.wav"; done
  

• 修改数据集加载代码，指定读取WAV文件即可。

验证安装效果 #

执行以下代码检查sox_io后端是否可用：

import torchaudio
print(torchaudio.list_audio_backends())
# 正常输出应包含 ['sox_io', 'soundfile']

内容的提问来源于stack exchange，提问作者FOXASDF