audioflux

audioFluxは、オーディオおよび音楽分析と特徴抽出のためのオープンソースライブラリで、C言語で実装され、Pythonバインディングを備えています。アルゴリズムモジュールを分離するデータストリームアーキテクチャを中心に設計されており、多次元特徴を迅速かつ効率的に抽出できます。このプロジェクトは、分類、音源分離、音楽情報検索（MIR）、自動音声認識（ASR）など、オーディオ分野の深層学習ワークフローを対象としています。 ライブラリは、transform、feature、mirの3つの主要モジュールに編成されています。 transformモジュールは、時間周波数表現を提供します。BFT（基本フーリエ変換、STFTに類似）、NSGT（非定常ガボール変換）、CWT（連続ウェーブレット変換）、PWT（疑似ウェーブレット変換）は、線形、linspace、Mel、Bark、Erb、Octave、Logの複数の周波数スケールタイプをサポートします。他の変換は独立したメソッドとして提供されます：CQT（定Q変換）、VQT（可変Q変換）、ST（S変換/ストックウェル変換）、FST（高速S変換）、DWT（離散ウェーブレット変換）、WPT（ウェーブパケット変換）、SWT（定常ウェーブレット変換）。シンクロスクイージングおよび再割り当て技術も含まれます：STFT用のreassign、CWTデータを使用するsynsq、CWT用のwsst。 featureモジュールには、スペクトル特徴（すべてのスペクトルタイプをサポート）、ケプストラム係数（xxcc）、スペクトルのデコンボリューション、クロマ特徴（CQTスペクトルおよびBFTベースの線形/オクターブスペクトルをサポート）が含まれます。 mirモジュールは、ピッチ推定（YIN、STFTなど）、オンセット検出（スペクトルフラックス、ノベルティなど）、調波・打楽器音源分離（メディアンフィルタリングおよびNMF）をカバーします。 最近のリリースでは、さまざまなピッチアルゴリズム（YIN、CEP、PEF、NCF、HPS、LHS、STFT、FFP）、PitchShiftおよびTimeStretchアルゴリズム、ギター、ウクレレ、ベース、バンジョー、マンドリン、バイオリンをカバーする楽器チューナー向けのTuneTrackアルゴリズムが追加されました。 インストールは、PyPI（`pip install audioflux`）またはAnacondaから可能で、Python 3.6以降が必要です。このライブラリはクロスプラットフォームで、Linux、macOS、Windows、iOS、Androidをサポートし、iOS、Android、ソースからのビルドに関する個別のビルド手順があります。ドキュメントとサンプルスクリプトはオンラインでホストされており、MelおよびMFCC、CWTとシンクロスクイージング、CQTとクロマ、さまざまなウェーブレットタイプ、スペクトル特徴、ピッチ推定、オンセット検出、調波・打楽器音源分離をカバーしています。ベンチマークモジュールはパフォーマンス測定を提供し、プロジェクトはMITライセンスの下でリリースされています。