audeering/opensmile-python

解決的問題

本專案提供 openSMILE 工具包的 Python 接口，讓使用者能從音訊檔案中提取標準化的音訊特徵，用於音訊-視覺訊號的機器學習。

運作方式

該程式庫允許使用者指定特徵集（例如 ComParE 2016、GeMAPS 或 eGeMAPS）和特徵層級（低階描述子或函數性特徵）。接著處理音訊檔案以提取這些特定的聲學特徵，可作為機器學習模型的輸入。

適用對象

從事音訊分析與音訊-視覺訊號機器學習的研究人員與開發者，需要標準化、高維度音訊特徵提取者。

主要亮點

• 標準化特徵集：支援 ComParE 2016（超過 6,000 個特徵）、GeMAPS 與 eGeMAPS。
• 多種提取層級：支援低階描述子（LDD）與函數性特徵，以及 ComParE 2016 的 LLD 差分。
• 簡易 Python API：僅需幾行程式碼即可從音訊檔案中提取特徵。
• 社群擴充：社群已新增額外的特徵集。