PyTorch 重组媒体栈:TorchCodec 统一图音视频编解码
PyTorch · x · 2026-10-06
Meta 官方发布技术复盘，说明过去两年 PyTorch 媒体栈的整合结果：
- TorchCodec 成为图片、视频、音频在 CPU 和 CUDA 上编解码的唯一入口。此前解码能力分散且重复：TorchVision 有多个入口和三种后端(仅 PyAv 开箱即用，另两个需源码编译且绑定特定 FFmpeg 版本)，TorchAudio 有 StreamReader/StreamWriter 等多套工具。
- TorchVision 和 TorchAudio 现在只聚焦高性能媒体变换(前者图像/视频，后者音频)。
- 模型、数据集等不再放在这些库里，官方建议转向 HuggingFace 等更广泛的生态。
- 整合的背景是媒体已处于模型开发核心：VLM 训练要把媒体解码成张量，生成式模型要把输出编码回媒体文件。
「Infra」频道最新
- Nebius 涨价内存领涨 41%，芯片全面短缺开始写进云价目表 — tengyanAI · 2026-10-06
- GitHub Actions 再次大面积宕机，CI 流水线集体中断 — generativist · 2026-10-06
- 两台桌面 DGX Spark 跑起 462GB DeepSeek 模型,专家压到 2.77bit — Teknium · 2026-10-06
- 环保组织呼吁立即暂停在美国公共土地建设 AI 数据中心 — Polymarket · 2026-10-06
- KCoral:共享 GPU 池加速 agent 内核开发评测,吞吐提升 2.58 倍 — BeidiChen · 2026-10-06
- AI 基础设施扩张撞上瓶颈：企业 promised 的未来，电网没准备好 — DavidLinthicum · 2026-10-06