audiomentations：一個快速且易於使用的深度學習音訊資料增強函式庫

它解決了什麼問題

它提供了一種執行音訊資料增強的方法，讓音訊深度學習模型在真實環境中表現得更好，而不僅僅是在受控的實驗室設定下。

它如何運作

它是一個 Python 函式庫，允許使用者透過 Compose 物件建立音訊轉換管線，以擾動或轉換音訊資料。它在 CPU 上執行，支援單聲道與多聲道音訊，並能與常見的訓練管線（如 PyTorch 與 TensorFlow/Keras）整合。

目標對象

開發者與研究人員，尤其是構建基於音訊的 AI 模型，且需要提升訓練資料多樣性與魯棒性的使用者。

重點特色

• 包含廣泛的轉換列表，諸如噪聲添加（高斯、顏色、背景）、音高移位、時間伸縮與房間模擬等。
• API 受 albumentations 啟發，使用簡便。
• 支援單聲道與多聲道音訊。
• 相容於 PyTorch 與 TensorFlow/Keras 訓練管線。