Audiomentations

一个用于音频数据增强的 Python 库。灵感来源于albumentations。对深度学习很有用。运行在 CPU 上。支持单声道音频和多声道音频。可以集成在训练管道中，例如 Tensorflow/Keras 或 Pytorch。帮助人们在 Kaggle 比赛中取得世界级成绩。被公司用于制作下一代音频产品。

需要支持 GPU 的 Pytorch 特定替代品吗？请查看torch-audiomentations！

设置

pip install audiomentations

使用示例

from audiomentations import Compose, AddGaussianNoise, TimeStretch, PitchShift, Shift
import numpy as np

augment = Compose([
    AddGaussianNoise(min_amplitude=0.001, max_amplitude=0.015, p=0.5),
    TimeStretch(min_rate=0.8, max_rate=1.25, p=0.5),
    PitchShift(min_semitones=-4, max_semitones=4, p=0.5),
    Shift(p=0.5),
])

# 为了示例生成 2 秒的虚拟音频
samples = np.random.uniform(low=-0.2, high=0.2, size=(32000,)).astype(np.float32)

# 增强/变换/扰动音频数据
augmented_samples = augment(samples=samples, sample_rate=16000)

文档

API 文档，包括指南、示例代码、插图和示例声音，均可在 https://iver56.github.io/audiomentations/ 获取。

转变

• AddBackgroundNoise: 混合另一个声音以添加背景噪声
• AddColorNoise: 添加具有特定颜色的噪声
• AddGaussianNoise: 将高斯噪声添加到音频样本中
• AddGaussianSNR: 使用随机选择的信噪比注入高斯噪声
• AddShortNoises: 混合各种短噪声音
• AdjustDuration: 修剪或填充音频以符合目标持续时间
• AirAbsorption: 应用频率依赖的衰减以模拟空气吸收
• Aliasing: 通过不进行低通滤波的降采样然后再升采样产生混叠伪影
• ApplyImpulseResponse: 使用随机选择的脉冲响应卷积音频
• BandPassFilter: 在随机参数内应用带通滤波
• BandStopFilter: 在随机参数内应用带阻（避带）滤波
• BitCrush: 进行无抖动的比特还原
• Clip: 将音频样本剪辑到指定的最小值和最大值
• ClippingDistortion: 剪辑随机百分比的样本以失真信号
• Gain: 通过随机增益因子乘以音频
• GainTransition: 在随机时间跨度内逐渐改变增益
• HighPassFilter: 在随机参数内应用高通滤波
• HighShelfFilter: 用随机参数应用高架滤波器
• Lambda: 应用用户定义的转换
• Limiter: 应用动态范围压缩限制音频信号
• LoudnessNormalization: 应用增益以匹配目标响度
• LowPassFilter: 在随机参数内应用低通滤波
• LowShelfFilter: 用随机参数应用低架滤波器
• Mp3Compression: 压缩音频以降低音质
• Normalize: 应用增益，使最高信号电平达到 0 dBFS
• Padding: 用填充替换开头或结尾的随机部分
• PeakingFilter: 以随机化的参数应用峰值滤波器
• PitchShift: 上移或下移音高而不改变速度
• PolarityInversion: 上下翻转音频样本，反转其极性
• RepeatPart: 重复音频的一部分若干次
• Resample: 将信号重新采样到随机选择的采样率
• Reverse: 沿时间轴反转音频
• RoomSimulator: 模拟音源的房间效果
• SevenBandParametricEQ: 调整 7 个频段的音量
• Shift: 向前或向后移动样本
• SpecChannelShuffle: 打乱频谱图中的频道
• SpecFrequencyMask: 应用频谱频率遮罩
• TanhDistortion: 应用 tanh 失真以失真信号
• TimeMask: 使随机部分的音频静音
• TimeStretch: 改变速度而不改变音高
• Trim: 修剪音频的前导和尾随静音

更新日志

[0.36.0] - 2024-06-10

新增

• 在 ApplyImpulseResponse 中添加对多通道脉冲响应的支持

更改

• :warning: Limiter 不再引入延迟。这是一次向后不兼容的更改。
• 通过避免不必要的计算（p<1 时）使 RoomSimulator 更快。
• 将 scipy 依赖限制在 <1.13，因为目前 1.13 不兼容。

完整的更新日志，包括旧版本，请参见 https://iver56.github.io/audiomentations/changelog/。

致谢

感谢 Nomono 支持 audiomentations。

感谢所有帮助改进 audiomentations 的贡献者。