AudioSummary

ส่งออกบัฟเฟอร์โปรโตคอล 'สรุป' พร้อมเสียง

ข้อมูลสรุปมีค่าสรุปที่มีเสียงสูงสุด `max_outputs` เสียงสร้างขึ้นจาก `เทนเซอร์` ซึ่งต้องเป็น 3 มิติที่มีรูปร่าง `[ขนาดชุด, เฟรม, ช่องสัญญาณ]` หรือ 2 มิติที่มีรูปร่าง `[ขนาดชุด, เฟรม]` ค่าต่างๆ จะถือว่าอยู่ในช่วง `[-1.0, 1.0]` โดยมีอัตราตัวอย่างเป็น `sample_rate`

อาร์กิวเมนต์ "tag" เป็นสเกลาร์ "เทนเซอร์" ประเภท "สตริง" มันถูกใช้เพื่อสร้าง `แท็ก` ของค่าสรุป:

• หาก `max_outputs` คือ 1 แท็กค่าสรุปจะเป็น ' tag /audio'
• หาก `max_outputs` มากกว่า 1 แท็กค่าสรุปจะถูกสร้างขึ้นตามลำดับเป็น ' tag /audio/0', ' tag /audio/1' ฯลฯ