pyAudioAnalysis下载 - pyAudioAnalysis源码下载

pyAudioAnalysis

Python

1.0.0

下载

用于音频特征提取、分类、分割和应用的 Python 库

这是一般信息。单击此处查看完整的 wiki，单击此处查看音频数据处理的更通用介绍

消息

[2022-01-01] 如果您对根据自己的数据训练音频模型不感兴趣，您可以检查 Deep Audio API，您是否可以直接发送音频数据并接收有关相应音频内容（语音与静音）的预测、音乐流派、说话者性别等）。
[2021-08-06] Deep-audio-features 使用 CNN 和 Pytorch 进行深度音频分类和特征提取
查看 paura 一个用于实时录制和分析音频数据的 Python 脚本

一般的

pyAudioAnalysis 是一个涵盖广泛音频分析任务的 Python 库。通过 pyAudioAnalysis 您可以：

提取音频特征和表示（例如 mfcc、频谱图、色谱图）
训练、参数调整和评估音频片段的分类器
对未知声音进行分类
检测音频事件并排除长录音中的静音期
执行监督分割（联合分割-分类）
执行无监督分割（例如说话者二值化）并提取音频缩略图
训练和使用音频回归模型（示例应用：情感识别）
应用降维来可视化音频数据和内容相似性

安装

克隆该库的源代码： git clone https://github.com/tyiannak/pyAudioAnalysis.git
安装依赖项： pip install -r ./requirements.txt
使用 pip 安装： pip install -e .

音频分类示例

更多示例和详细教程可以在 wiki 中找到

pyAudioAnalysis 提供易于调用的包装器来执行音频分析任务。例如，此代码首先训练音频片段分类器，给定存储在文件夹中的一组 WAV 文件（每个文件夹代表不同的类），然后使用训练好的分类器对未知音频 WAV 文件进行分类

 from pyAudioAnalysis import audioTrainTest as aT
aT . extract_features_and_train ([ "classifierData/music" , "classifierData/speech" ], 1.0 , 1.0 , aT . shortTermWindow , aT . shortTermStep , "svm" , "svmSMtemp" , False )
aT . file_classification ( "data/doremi.wav" , "svmSMtemp" , "svm" )

结果：(0.0, array([ 0.90156761, 0.09843239]), ['音乐', '语音'])

此外，还为所有功能提供命令行支持。例如，以下命令提取存储在 WAV 文件中的音频信号的频谱图： python audioAnalysis.py fileSpectrogram -i data/doremi.wav

进一步阅读

除了这个自述文件之外，为了更好地理解如何使用这个库，还应该阅读以下内容：

音频处理基础知识：在命令行或 Python 中处理音频文件，如果您想学习如何从命令行处理音频文件，以及一些有关音频信号处理的基本编程。如果您对音频一无所知，请从这里开始。
音频分析简介：使用机器学习识别声音这篇文章比前一篇文章更深入一些，提供了音频特征提取、分类和分割的理论和实践的完整介绍（包括许多 Python 示例）。
图书馆的维基百科
如何使用机器学习根据音乐情绪为灯光着色。使用此库来训练实时音乐情绪估计器的一个有趣的用例。
本出版物对所采用的方法（以及针对特定用例的一些实验）进行了更一般性和理论性的描述。在您的研究工作中引用 pyAudioAnalysis 时，请使用以下引用：

@ article { giannakopoulos2015pyaudioanalysis ,
  title = { pyAudioAnalysis : An Open - Source Python Library for Audio Signal Analysis },
  author = { Giannakopoulos , Theodoros },
  journal = { PloS one },
  volume = { 10 },
  number = { 12 },
  year = { 2015 },
  publisher = { Public Library of Science }
}