描述 #

音频标准化模块 - 将音频统一为指定格式（采样率、声道、响度等）

核心功能 #

• 支持采样率重采样
• 支持声道统一（如转为单声道）
• 支持响度归一化（目标 dBFS，带限制增益范围）
• 默认输入输出音频为字节（bytes）格式

使用场景 #

• 多来源音频数据统一处理
• 为下游 ASR/TTS 等模型做预处理
• 多模态内容处理中的音频标准化环节

算子参数 #

输入 #

输出 #

处理后的音频结果；失败则返回 None

参数 #

如参数没有默认值，则为必填参数

调用示例 #

以下代码展示了如何使用 Daft 算子 AudioStandardization 将音频数据标准化为统一格式，包括采样率、声道和响度等。

# Copyright (c) Beijing Volcano Engine Technology Ltd.

from __future__ import annotations

import os

import daft
from daft import col
from daft.las.functions.audio.audio_standardization import AudioStandardization
from daft.las.functions.udf import las_udf

if __name__ == "__main__":
    TOS_TEST_DIR_URL = os.getenv("TOS_TEST_DIR_URL", "las-cn-beijing-public-online.tos-cn-beijing.volces.com")

    if os.getenv("DAFT_RUNNER", "native") == "ray":
        import logging

        import ray

        def configure_logging():
            logging.basicConfig(
                level=logging.INFO,
                format="%(asctime)s - %(name)s - %(levelname)s - %(message)s",
                datefmt="%Y-%m-%d %H:%M:%S",
            )
            logging.getLogger("tracing.span").setLevel(logging.WARNING)
            logging.getLogger("daft_io.stats").setLevel(logging.WARNING)
            logging.getLogger("DaftStatisticsManager").setLevel(logging.WARNING)
            logging.getLogger("DaftFlotillaScheduler").setLevel(logging.WARNING)
            logging.getLogger("DaftFlotillaDispatcher").setLevel(logging.WARNING)

        ray.init(dashboard_host="0.0.0.0", runtime_env={"worker_process_setup_hook": configure_logging})
        daft.context.set_runner_ray()

    daft.set_execution_config(actor_udf_ready_timeout=600)
    daft.set_execution_config(min_cpu_per_task=0)

    # 示例输入数据
    samples = {"audio_path": [f"https://{TOS_TEST_DIR_URL}/public/archive/audio_standardization/耙耙柑大叔.aac"]}

    # 构建 Daft DataFrame
    df = daft.from_pydict(samples)

    # 应用 AudioStandardization 算子
    df = df.with_column(
        "standardized_audio",
        las_udf(
            AudioStandardization,
            construct_args={
                "target_sr": 16000,
                "target_channels": 1,
                "target_dbfs": -20.0,
                "target_gain_range": [-3.0, 3.0],
            },
            num_cpus=1,
            batch_size=1,
            concurrency=2,
        )(col("audio_path")),
    )

    df.show()
    # ╭────────────────────────────────┬────────────────────────────────╮
    # │ audio_path                     ┆ standardized_audio             │
    # │ ---                            ┆ ---                            │
    # │ String                         ┆ Binary                         │
    # ╞════════════════════════════════╪════════════════════════════════╡
    # │ https://las-public-data-qa.to… ┆ b"RIFF\xd0\x9a\x08\x00WAVEfmt… │
    # ╰────────────────────────────────┴────────────────────────────────╯