iver56/audiomentations
A Python library for audio data augmentation. Useful for making audio ML models work well in the real world, not just in the lab.
What it solves
它提供了一種進行音訊數據增強的方法，幫助音訊深度學習模型在實際環境中表現得更好，而不僅僅是在受控的實驗室環境中。
How it works
這是一個 Python 函式庫，允許使用者透過 Compose 物件建立音訊轉換流程（pipeline），對音訊數據進行擾動或轉換。它在 CPU 上運行，並支援單聲道和多聲道音訊。
它與 PyTorch 和 TensorFlow/Keras 等常見的訓練流程整合。
Who it’s for
需要增加訓練數據多樣性與強健性的音訊 AI 模型開發者與研究人員。
Highlights
- Extensive list of transforms including noise addition (Gaussian, color, background), pitch shifting, time stretching, and room simulation.
- API inspired by albumentations for ease of use.
- Supports mono and multichannel audio.
- Compatible with PyTorch and TensorFlow/Keras training pipelines.