适配EfficientConformer：如何获取无头部PCM音频文件的长度？

你的问题出在Tensor维度转换的错误上，以下是具体分析和修复方案：

问题根源 #

原代码中：

waveform = Tensor(signal).unsqueeze(0).t()
audio_length = waveform.size(1)

• signal是一维numpy数组（形状为(N,)，N是实际样本数），转成Tensor后仍是(N,)
• unsqueeze(0)将其变为(1, N)（对应torchaudio输出的(声道数, 样本数)格式）
• 后续的.t()转置操作把二维张量转成了(N, 1)，此时size(1)取的是第二个维度的大小，自然得到1，而非实际样本数。

正确的实现方式 #

方式1：从读取的信号直接获取长度 #

这是最直接的方式，无需多余维度操作：

import numpy as np
import torch

signal = np.memmap(audio_path, dtype='h', mode='r').astype('float32')
if np.sum(np.abs(signal)) <= 80:
    raise ValueError(f'[WARN] Silence file in {audio_path}')
signal = signal / 32767  # 归一化

# 转换为符合torchaudio格式的waveform (声道数, 样本数)
waveform = torch.Tensor(signal).unsqueeze(0)
# 获取音频长度：取样本数维度的大小
audio_length = waveform.size(1)
# 或者更简单：直接用numpy数组的长度
audio_length = len(signal)

方式2：通过文件大小计算（无需读取全部数据） #

对于无头部的16位单声道PCM文件，每个样本占2字节，可直接通过文件字节数计算样本数：

import os

file_size = os.path.getsize(audio_path)
# 单声道int16格式，样本数 = 文件字节数 // 2
audio_length = file_size // 2

这种方法适合大文件，无需加载整个音频到内存。

验证方案 #

可以同时用两种方式获取长度并校验，确保文件是合法的16位单声道PCM：

# 读取信号得到的长度
signal_length = len(signal)
# 文件大小计算的长度
file_calc_length = os.path.getsize(audio_path) // 2
assert signal_length == file_calc_length, "文件格式异常，不是标准的16位单声道PCM"

内容的提问来源于stack exchange，提问作者Alpha Code