懂AI

audioFlux - 音频分析和特征提取工具库：功能介绍与入门学习资料

RayRay
audioFlux音频分析特征提取深度学习MIRGithub开源项目

audioFlux简介

audioFlux是一个专门用于音频和音乐分析、特征提取的深度学习工具库。它支持数十种时频分析变换方法和数百种相应的时域和频域特征组合。这些特征可以提供给深度学习网络进行训练,用于研究音频领域的各种任务,如分类、分离、音乐信息检索(MIR)和自动语音识别(ASR)等。

audioFlux logo

主要功能模块

audioFlux基于数据流设计,在结构上解耦了每个算法模块,可以快速高效地提取多维特征。其主要功能包括以下三个模块:

1. 变换模块(Transform)

在时频表示中,主要的变换算法包括:

  • BFT - 基于傅里叶变换,类似于短时傅里叶变换
  • NSGT - 非平稳Gabor变换
  • CWT - 连续小波变换
  • PWT - 伪小波变换

以上变换支持多种频率尺度类型,如线性、梅尔、巴克、ERB、八度等。

此外还包括CQT、VQT、S变换等独立变换,以及同步挤压和重排等技术。

2. 特征模块(Feature)

特征模块包含以下算法:

  • spectral - 频谱特征,支持所有频谱类型
  • xxcc - 倒谱系数,支持所有频谱类型
  • deconv - 频谱解卷积,支持所有频谱类型
  • chroma - 色度特征,仅支持CQT频谱和基于BFT的线性/八度频谱

3. MIR模块

MIR模块包含以下算法:

  • pitch - 音高估计,如YIN、STFT等算法
  • onset - 起音检测,如频谱流、新异性等算法
  • hpss - 谐波-打击乐分离,如中值滤波、NMF等算法

audioFlux功能架构图

安装方法

audioFlux支持跨平台使用,目前支持Linux、macOS、Windows、iOS和Android系统。

Python包安装

要安装audioFlux包,需要Python >= 3.6。可以使用以下方法安装:

使用pip:

pip install audioflux

使用Anaconda:

conda install -c tanky25 -c conda-forge audioflux

其他构建方式

快速入门

以下是一些快速入门的示例:

更多示例脚本可以在官方文档中找到。

audioFlux工作流程图

学习资源

  1. GitHub仓库 - 项目源码和详细说明
  2. 官方文档 - 包含完整的API参考和使用指南
  3. 示例脚本 - 各种功能的使用示例
  4. 安装指南 - 详细的安装说明
  5. Benchmark - 性能基准测试

贡献与支持

audioFlux欢迎社区贡献。如果您想贡献代码,请fork最新的git仓库并创建功能分支。提交的请求应通过所有持续集成测试。

如果您需要帮助、发现了bug、有功能请求或一般性问题,可以提出issue。

引用

如果您在学术工作中使用了audioFlux,请引用以下DOI:

DOI

audioFlux是一个功能强大、易于使用的音频分析工具库。无论您是研究人员、开发人员还是音频爱好者,它都能为您的音频处理任务提供有力支持。快来尝试使用audioFlux,探索音频分析的无限可能吧! 🎵🔊

编辑推荐精选

讯飞智文

讯飞智文

一键生成PPT和Word，让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级，全面对标OpenAI o1

科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
咔片PPT

咔片PPT

AI助力，做PPT更简单！

咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文，一站式创作，让内容运营更高效

讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台，公文写作神器

AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具，支持从文本描述、单张图片或多视角图片生成 3D 模型，具备快速形状生成能力，可生成带纹理的高质量 3D 模型，适用于多个领域，为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目，涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作，如创建文件和目录、设置布局等，同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景，能够提高系统的性能和可靠性，是分布式存储领域的优质解决方案。

下拉加载更多