منصوبے کے بارے میں

audioFlux ایک اوپن سورس لائبریری ہے جو آڈیو اور موسیقی کے تجزیے اور فیچر نکالنے کے لیے ہے، جسے C میں نافذ کیا گیا ہے اور Python بائنڈنگز کے ساتھ فراہم کیا گیا ہے۔ اسے ڈیٹا اسٹریم آرکیٹیکچر کے ارد گرد ڈیزائن کیا گیا ہے جو الگورتھم ماڈیولز کو الگ کرتا ہے تاکہ کثیر جہتی فیچرز کو تیزی سے اور مؤثر طریقے سے نکالا جا سکے۔ یہ پروجیکٹ آڈیو میں ڈیپ لرننگ ورک فلو کو نشانہ بناتا ہے، بشمول درجہ بندی، سورس علیحدگی، میوزک انفارمیشن ریٹریول (MIR) اور ASR۔ لائبریری تین اہم ماڈیولز میں منظم ہے: ٹرانسفارم، فیچر اور میر۔ ٹرانسفارم ماڈیول ٹائم-فریکوئنسی نمائندگی فراہم کرتا ہے۔ BFT (بنیادی فوئیر ٹرانسفارم، STFT کی طرح)، NSGT (نان اسٹیشنری گیبر ٹرانسفارم)، CWT (مسلسل ویولیٹ ٹرانسفارم) اور PWT (سیوڈو ویولیٹ ٹرانسفارم) متعدد فریکوئنسی اسکیل اقسام کو سپورٹ کرتے ہیں: لکیری، لین اسپیس، میل، بارک، ایرب، آکٹیو اور لاگ۔ دیگر ٹرانسفارمز کو آزاد طریقوں کے طور پر پیش کیا جاتا ہے: CQT (مستقل-کیو ٹرانسفارم)، VQT (متغیر-کیو ٹرانسفارم)، ST (ایس-ٹرانسفارم/اسٹاک ویل ٹرانسفارم)، FST (فاسٹ ایس-ٹرانسفارم)، DWT (ڈسکریٹ ویولیٹ ٹرانسفارم)، WPT (ویو پیکٹ ٹرانسفارم) اور SWT (اسٹیشنری ویولیٹ ٹرانسفارم)۔ سنکروسکوزنگ اور ری اسائنمنٹ تکنیکیں بھی شامل ہیں: STFT کے لیے ری اسائن، CWT ڈیٹا کا استعمال کرتے ہوئے سنکس، اور CWT کے لیے wsst۔ فیچر ماڈیول میں اسپیکٹرل فیچرز (تمام اسپیکٹرم اقسام کو سپورٹ کرتے ہوئے)، سیپسٹرم کوفیشینٹس (xxcc)، اسپیکٹرا کے لیے ڈیکنولوشن، اور کرومہ فیچرز (CQT اسپیکٹرم اور BFT پر مبنی لکیری/آکٹیو اسپیکٹرا کو سپورٹ کرتے ہوئے) شامل ہیں۔ میر ماڈیول پچ تخمینہ (YIN، STFT اور دیگر)، اونسیٹ ڈیٹیکشن (اسپیکٹرل فلکس، نوولٹی اور دیگر)، اور ہارمونک-پرکسیو سورس علیحدگی (میڈین فلٹرنگ اور NMF) کا احاطہ کرتا ہے۔ حالیہ ریلیز میں پچ الگورتھم کی ایک رینج شامل کی گئی ہے (YIN، CEP، PEF، NCF، HPS، LHS، STFT، FFP)، پچ شفٹ اور ٹائم اسٹریچ الگورتھم، اور ایک ٹیون ٹریک الگورتھم جو گٹار، یوکولیل، باس، بینجو، مینڈولن اور وائلن کا احاطہ کرنے والے آلات کے ٹیونرز کے لیے ہے۔ انسٹالیشن PyPI (`pip install audioflux`) یا Anaconda کے ذریعے دستیاب ہے، جس کے لیے Python 3.6 یا بعد کا ورژن درکار ہے۔ لائبریری کراس پلیٹ فارم ہے، جو Linux، macOS، Windows، iOS اور Android کو سپورٹ کرتی ہے، جس میں iOS، Android اور سورس سے تعمیر کے لیے الگ تعمیراتی ہدایات ہیں۔ دستاویزات اور مثال اسکرپٹس آن لائن میزبانی کی جاتی ہیں، جس میں میل اور MFCC، CWT اور سنکروسکوزنگ، CQT اور کرومہ، مختلف ویولیٹ اقسام، اسپیکٹرل فیچرز، پچ تخمینہ، اونسیٹ ڈیٹیکشن اور ہارمونک-پرکسیو سورس علیحدگی شامل ہیں۔ ایک بینچ مارک ماڈیول کارکردگی کی پیمائش فراہم کرتا ہے، اور پروجیکٹ MIT لائسنس کے تحت جاری کیا گیا ہے۔