Python 音频分析、特征提取的开源库

[829939]

https://github.com/libAudioFlux/audioFlux

一个用于音频和音乐分析、特征提取的库，支持数十种时频分析变换方法，以及相应时域、频域数百种特征组合，可以提供给深度学习网络进行训练，用于研究音频领域的分类、分离、音乐信息检索(MIR)、ASR 等各种任务。

1. 系统、多维度的提取特征和组合，可以灵活的用于各种任务研究分析。
2. 性能高效，核心大部分 C 实现，基于不同平台 FFT 硬件加速，方便大规模数据特征提取。
3. 支持移动端，满足移动端音频流实时计算。

快速上手

pip install audioflux

import numpy as np
import audioflux as af

import matplotlib.pyplot as plt
from audioflux.display import fill_spec

# Get a 220Hz's audio file path
sample_path = af.utils.sample_path('220')

# Read audio data and sample rate
audio_arr, sr = af.read(sample_path)

# Extract mel spectrogram
spec_arr, mel_fre_band_arr = af.mel_spectrogram(audio_arr, num=128, radix2_exp=12, samplate=sr)
spec_arr = np.abs(spec_arr)

# Extract mfcc
mfcc_arr, _ = af.mfcc(audio_arr, cc_num=13, mel_num=128, radix2_exp=12, samplate=sr)

# Display
audio_len = audio_arr.shape[0]
# calculate x/y-coords
x_coords = np.linspace(0, audio_len / sr, spec_arr.shape[1] + 1)
y_coords = np.insert(mel_fre_band_arr, 0, 0)
fig, ax = plt.subplots()
img = fill_spec(spec_arr, axes=ax,
                x_coords=x_coords, y_coords=y_coords,
                x_axis='time', y_axis='log',
                title='Mel Spectrogram')
fig.colorbar(img, ax=ax)

fig, ax = plt.subplots()
img = fill_spec(mfcc_arr, axes=ax,
                x_coords=x_coords, x_axis='time',
                title='MFCC')
fig.colorbar(img, ax=ax)

plt.show()

感兴趣的请给个 Star

https://github.com/libAudioFlux/audioFlux

更多实例

https://github.com/libAudioFlux/audioFlux#other-examples

[CMLab]

复制了一下代码，ipython 运行，确实出效果

[smallsung]

看起来是跨平台的 好评

[tigerstudent]

想知道做 ASR 之前，怎么过滤周围的一些杂音，比如说周围人的小声说话声、广播声、喧哗声

[CMLab]

@tigerstudent 看具体音源和业务情况，这些噪声是低频信号还是高频信号或者有明显特征的频域分布，这样才能有针对性处理，针对 ASR 而言，最简单的方式就是过一下高通滤波器

[CMLab]

@tigerstudent 如果业务要求较高的效果，可以用深度学习方式，针对噪声相关业务数据标注后，走频谱的 mask 的训练

[kevinlq]

已 star, 正对对这方面感兴趣，深入学习下

[zephyr1]

学习

[jememouse]

不错，最近正在找相关的资料