Audio ToolKit for Python

These details have not been verified by PyPI

Project links

Project description

夜雨飘零音频工具

这款Python音频处理工具功能强大，支持读取多种格式的音频文件。它不仅能够对音频进行裁剪、添加混响、添加噪声等多种处理操作，还广泛应用于语音识别、语音合成、声音分类以及声纹识别等多个项目领域。

安装

使用pip安装。

pip install yeaudio -U -i https://pypi.tuna.tsinghua.edu.cn/simple

（推荐） 使用源码安装。

git clone https://github.com/yeyupiaoling/YeAudio.git
cd YeAudio
pip install . -i https://pypi.tuna.tsinghua.edu.cn/simple

快速使用

读取普通音频：

from yeaudio.audio import AudioSegment

audio_segment = AudioSegment.from_file('data/test.wav')
print(f'音频长度：{audio_segment.duration}')
print(f'音频采样率：{audio_segment.sample_rate}')
print(f'音频数据：{audio_segment.samples}')

读取视频中的音频：

from yeaudio.audio import AudioSegment

audio_segment = AudioSegment.from_file('data/test.mp4')
print(f'音频长度：{audio_segment.duration}')
print(f'音频采样率：{audio_segment.sample_rate}')
print(f'音频数据：{audio_segment.samples}')

API文档

AudioSegment
VadModel
VadOnlineModel
SpeedPerturbAugmentor
VolumePerturbAugmentor
ShiftPerturbAugmentor
ResampleAugmentor
NoisePerturbAugmentor
ReverbPerturbAugmentor
SpecAugmentor
SpecSubAugmentor

AudioSegment

基础音频工具，支持读取多种格式的音频文件，已经各种基础操作，如裁剪、添加混响、添加噪声等。

def __init__(self, samples, sample_rate):

创建单通道音频片段实例

参数：

samples（ndarray.float32）： 频数据，维度为[num_samples x num_channels]
sample_rate（int）： 音频的采样率

示例代码：

import soundfile
from yeaudio.audio import AudioSegment

samples, sample_rate = soundfile.read("data/test.wav")
audio_segment = AudioSegment(samples, sample_rate)
print(audio_segment.samples)

def __eq__(self, other):

返回两个对象是否相等

参数：

other（AudioSegment）： 比较的另一个音频片段实例

示例代码：

from yeaudio.audio import AudioSegment

audio_segment1 = AudioSegment.from_file("data/test.wav")
audio_segment2 = AudioSegment.from_file("data/test.wav")
print(audio_segment1 == audio_segment2)

def __ne__(self, other):

返回两个实例是否不相等

参数：

other（AudioSegment）： 比较的另一个音频片段实例

示例代码：

from yeaudio.audio import AudioSegment

audio_segment1 = AudioSegment.from_file("data/test.wav")
audio_segment2 = AudioSegment.from_file("data/test.wav")
print(audio_segment1 != audio_segment2)

def __str__(self):

返回该音频的信息

示例代码：

from yeaudio.audio import AudioSegment

audio_segment = AudioSegment.from_file("data/test.wav")
print(str(audio_segment))

@classmethod
def from_file(cls, file):

从音频文件创建音频段，支持wav、mp3、mp4等多种音频格式

参数：

file（str|BufferedReader）： 件路径，或者文件对象

返回：

AudioSegment：音频片段实例

示例代码：

from yeaudio.audio import AudioSegment

audio_segment = AudioSegment.from_file('data/test.wav')
print(audio_segment.samples)

@classmethod
def slice_from_file(cls, file, start=None, end=None):

只加载一小段音频，而不需要将整个文件加载到内存中，这是非常浪费的。

参数：

file（str|file）： 输入音频文件路径或文件对象
start（float）： 开始时间，单位为秒。如果start是负的，则它从末尾开始计算。如果没有提供，这个函数将从最开始读取。
end（float）： 结束时间，单位为秒。如果end是负的，则它从末尾开始计算。如果没有提供，默认的行为是读取到文件的末尾。

返回：

AudioSegment：AudioSegment输入音频文件的指定片的实例

异常：

ValueError：如果开始或结束的设定不正确，则会抛出ValueError异常

示例代码：

from yeaudio.audio import AudioSegment

audio_segment = AudioSegment.slice_from_file('data/test.wav', start=1, end=2)
print(audio_segment.samples)

@classmethod
def from_bytes(cls, data):

从wav格式的音频字节创建音频段

参数：

data（bytes）： 包含音频样本的字节

返回：

AudioSegment：音频片段实例

示例代码：

from yeaudio.audio import AudioSegment

with open('data/test.wav', 'rb') as f:
    data = f.read()
    audio_segment = AudioSegment.from_bytes(data)
    print(audio_segment.samples)

@classmethod
def from_pcm_bytes(cls, data, channels=1, samp_width=2, sample_rate=16000):

从包含无格式PCM音频的字节创建音频

参数：

data（bytes）： 包含音频样本的字节
channels（int）： 音频的通道数
samp_width（int）： 频采样的宽度，如np.int16为2
sample_rate（int）： 音频样本采样率

返回：

AudioSegment：音频片段实例

示例代码：

from yeaudio.audio import AudioSegment

with open('data/test.wav', 'rb') as f:
    data = f.read()
    audio_segment = AudioSegment.from_pcm_bytes(data[44:], channels=1, samp_width=2, sample_rate=16000)
    print(audio_segment.samples)

@classmethod
def from_ndarray(cls, data, sample_rate=16000):

从numpy.ndarray创建音频段

参数：

data（bytes）： numpy.ndarray类型的音频数据
sample_rate（int）： 音频样本采样率

返回：

AudioSegment：音频片段实例

示例代码：

import soundfile

from yeaudio.audio import AudioSegment

samples, sample_rate = soundfile.read('data/test.wav')
audio_segment = AudioSegment.from_ndarray(samples, sample_rate=16000)
print(audio_segment.samples)

@classmethod
def concatenate(cls, *segments):

将任意数量的音频片段连接在一起

参数：

segments（AudioSegment）： 输入音频片段被连接

返回：

AudioSegment：音频片段实例

异常：

ValueError：如果音频实例列表为空或者采样率不一致，则会抛出ValueError异常
TypeError：如果输入的片段类型不一致，则会抛出TypeError异常

示例代码：

from yeaudio.audio import AudioSegment

audio_segment1 = AudioSegment.from_file('data/test.wav')
audio_segment2 = AudioSegment.from_file('data/test.wav')
audio_segment = AudioSegment.concatenate(audio_segment1, audio_segment2)
print(audio_segment.samples)

@classmethod
def make_silence(cls, duration, sample_rate):

创建给定持续时间和采样率的静音音频段

参数：

duration（float）： 静音的时间，以秒为单位
sample_rate（int）： 音频采样率

返回：

AudioSegment：给定持续时间的静音AudioSegment实例

示例代码：

from yeaudio.audio import AudioSegment

audio_segment = AudioSegment.make_silence(duration=10, sample_rate=16000)
print(audio_segment.samples)

def to_wav_file(self, filepath, dtype='float32'):

保存音频段到磁盘为wav文件

参数：

filepath（str|file）： WAV文件路径或文件对象，以保存音频段
dtype（str）： 音频数据类型，可选: 'int16', 'int32', 'float32', 'float64'

异常：

TypeError：如果类型不支持，则会抛出TypeError异常

示例代码：

from yeaudio.audio import AudioSegment

audio_segment = AudioSegment.from_file("data/test.wav")
audio_segment.to_wav_file("output.wav")

def superimpose(self, other):

将另一个段的样本添加到这个段的样本中(以样本方式添加，而不是段连接)。

参数：

other（AudioSegments）： WAV文件路径或文件对象，以保存音频段
dtype（str）： 音频数据类型，可选: 'int16', 'int32', 'float32', 'float64'

异常：

ValueError：如果两段音频采样率或者长度不一致，则会抛出ValueError异常
TypeError：如果两个片段的类型不匹配，则会抛出TypeError异常

示例代码：

from yeaudio.audio import AudioSegment

audio_segment = AudioSegment.from_file("data/test.wav")
other_segment = AudioSegment.from_file("data/test.wav")
audio_segment.superimpose(other_segment)

def to_bytes(self, dtype='float32'):

创建音频内容的字节

参数：

dtype（str）： 导出样本的数据类型。可选: 'int16', 'int32', 'float32', 'float64'

返回：

bytes：音频内容的字节

示例代码：

from yeaudio.audio import AudioSegment

audio_segment = AudioSegment.from_file("data/test.wav")
print(audio_segment.to_bytes())

def to_pcm_bytes(self):

创建pcm格式的字节

返回：

bytes：pcm格式的字节

示例代码：

from yeaudio.audio import AudioSegment

audio_segment = AudioSegment.from_file("data/test.wav")
print(audio_segment.to_pcm_bytes())

def to(self, dtype='int16'):

类型转换

参数：

dtype（str）： 导出样本的数据类型。可选: 'int16', 'int32', 'float32', 'float64'

返回：

str：转换后的数据

示例代码：

from yeaudio.audio import AudioSegment

audio_segment = AudioSegment.from_file("data/test.wav")
print(audio_segment.to(dtype='int16'))

def gain_db(self, gain):

对音频施加分贝增益。

参数：

gain（float|1darray）： 用于样品的分贝增益

示例代码：

from yeaudio.audio import AudioSegment

audio_segment = AudioSegment.from_file("data/test.wav")
audio_segment.gain_db(gain=-20)
print(audio_segment.samples)

def change_speed(self, speed_rate):

通过线性插值改变音频速度。

参数：

speed_rate（float）： 修改的音频速率: speed_rate > 1.0, 加快音频速度; speed_rate = 1.0, 音频速度不变; speed_rate < 1.0, 减慢音频速度; speed_rate <= 0.0, 错误数值.

异常：

ValueError：如果速度速率小于或等于0，则引发ValueError

示例代码：

from yeaudio.audio import AudioSegment

audio_segment = AudioSegment.from_file("data/test.wav")
audio_segment.change_speed(speed_rate=1.2)
print(audio_segment.samples)

def normalize(self, target_db=-20, max_gain_db=300.0):

将音频归一化，使其具有所需的有效值(以分贝为单位)。

参数：

target_db（float）： 目标均方根值，单位为分贝。这个值应该小于0.0，因为0.0是全尺寸音频。
max_gain_db（float）： 最大允许的增益值，单位为分贝，这是为了防止在对全0信号进行归一化时出现Nan值。

异常：

ValueError：如果所需的增益大于max_gain_db，则引发ValueError

示例代码：

from yeaudio.audio import AudioSegment

audio_segment = AudioSegment.from_file("data/test.wav")
audio_segment.normalize(target_db=-20)
print(audio_segment.samples)

def resample(self, target_sample_rate, filter='kaiser_best'):

按目标采样率重新采样音频。

参数：

target_sample_rate（int）： 目标均方根值，单位为分贝。这个值应该小于0.0，因为0.0是全尺寸音频。
filter（str）： 使用的重采样滤波器，支持'kaiser_best'、'kaiser_fast'

示例代码：

from yeaudio.audio import AudioSegment

audio_segment = AudioSegment.from_file("data/test.wav")
audio_segment.resample(target_sample_rate=8000)
print(audio_segment.samples)

def pad_silence(self, duration, sides='both'):

在这个音频样本上加一段静音。

参数：

duration（float）： 静默段的持续时间(以秒为单位)
sides（str）： 添加的位置: 'beginning' - 在开始位置前增加静音段; 'end' - 在结束位置增加静音段; 'both' - 在开始和结束位置都增加静音段.。

异常：

ValueError：如果sides的值不是beginning、end或both，则引发ValueError

示例代码：

from yeaudio.audio import AudioSegment

audio_segment = AudioSegment.from_file("data/test.wav")
audio_segment.pad_silence(duration=2, sides='end')
print(audio_segment.samples)

def pad(self, pad_width, mode='wrap', **kwargs):

在这个音频样本上加一段音频，等同numpy.pad。

参数：

pad_width（sequence|array_like|int）： 填充宽度
sides（str|function|optional）： 填充模式

示例代码：

from yeaudio.audio import AudioSegment

audio_segment = AudioSegment.from_file("data/test.wav")
audio_segment.pad(pad_width=(0, 16000 * 2), mode='wrap')
print(audio_segment.samples)

def shift(self, shift_ms):

音频偏移。如果shift_ms为正，则随时间提前移位;如果为负，则随时间延迟移位。填补静音以保持持续时间不变。

参数：

shift_ms（float）： 偏移时间。如果是正的，随时间前进；如果负，延时移位。

异常：

ValueError：如果shift_ms的绝对值大于音频持续时间，则引发ValueError

示例代码：

from yeaudio.audio import AudioSegment

audio_segment = AudioSegment.from_file("data/test.wav")
audio_segment.shift(shift_ms=1000)
print(audio_segment.samples)

def subsegment(self, start_sec=None, end_sec=None):

在给定的边界之间切割音频片段。

参数：

start_sec（float）： 开始裁剪的位置，以秒为单位，默认为0。
end_sec（float）： 结束裁剪的位置，以秒为单位，默认为音频长度。

异常：

ValueError：如果start_sec或end_sec的值越界，则引发ValueError

示例代码：

from yeaudio.audio import AudioSegment

audio_segment = AudioSegment.from_file("data/test.wav")
audio_segment.subsegment(start_sec=1, end_sec=3)
print(audio_segment.samples)

def random_subsegment(self, duration):

随机剪切指定长度的音频片段。

参数：

duration（float）： 随机裁剪的片段长度，以秒为单位

异常：

ValueError：如果片段长度大于原始段，则引发ValueError

示例代码：

from yeaudio.audio import AudioSegment

audio_segment = AudioSegment.from_file("data/test.wav")
audio_segment.random_subsegment(duration=2)
print(audio_segment.samples)

def reverb(self, reverb_file, allow_resample=True):

使音频片段混响。

参数：

reverb_file（str）： 混响音频的路径
allow_resample（bool）： 指示是否允许在两个音频段具有不同的采样率时重采样

异常：

ValueError：如果两个音频段之间的采样率不匹配，则引发ValueError

示例代码：

from yeaudio.audio import AudioSegment

audio_segment = AudioSegment.from_file("data/test.wav")
audio_segment.reverb(reverb_file='data/reverb.wav')
print(audio_segment.samples)

def reverb_and_normalize(self, reverb_file, allow_resample=True):

使音频片段混响，然后归一化。

参数：

reverb_file（str）： 混响音频的路径
allow_resample（bool）： 指示是否允许在两个音频段具有不同的采样率时重采样

异常：

ValueError：如果两个音频段之间的采样率不匹配，则引发ValueError

示例代码：

from yeaudio.audio import AudioSegment

audio_segment = AudioSegment.from_file("data/test.wav")
audio_segment.reverb_and_normalize(reverb_file='data/reverb.wav')
print(audio_segment.samples)

def add_noise(self, noise_file, snr_dB, max_gain_db=300.0, allow_resample=True):

以特定的信噪比添加给定的噪声段。如果噪声段比该噪声段长，则从该噪声段中采样匹配长度的随机子段。

参数：

noise_file（str）： 噪声音频的路径
snr_dB（float）： 信噪比，单位为分贝
max_gain_db（float）： 最大允许的增益值，单位为分贝，这是为了防止在对全0信号进行归一化时出现Nan
allow_resample（bool）： 指示是否允许在两个音频段具有不同的采样率时重采样

异常：

ValueError：如果两个音频段之间的采样率不匹配，则引发ValueError

示例代码：

from yeaudio.audio import AudioSegment

audio_segment = AudioSegment.from_file("data/test.wav")
audio_segment.add_noise(noise_file='data/noise.wav', snr_dB=10)
print(audio_segment.samples)

def crop(self, duration, mode='eval'):

根据模式裁剪指定的音频长度，如果为'train'模式，则随机剪切，否则从末尾剪切。

参数：

duration（float）： 裁剪的音频长度，以秒为单位
mode（str）： 裁剪的模型，'train'或'eval'

异常：

ValueError：如果两个音频段之间的采样率不匹配，则引发ValueError

示例代码：

from yeaudio.audio import AudioSegment

audio_segment = AudioSegment.from_file("data/test.wav")
audio_segment.crop(duration=3, mode='train')
print(audio_segment.samples)

def vad(self, return_seconds=False, **kwargs):

创建给定持续时间和采样率的静音音频段。

参数：

return_seconds（bool）： 指示是否返回秒数而不是样本索引
kwargs（dict）： 传递给Silero VAD模型的参数

返回：

List[Dict]：语音活动时间戳列表

示例代码：

from yeaudio.audio import AudioSegment

audio_segment = AudioSegment.from_file("data/test_long.wav")
speech_timestamps = audio_segment.vad(return_seconds=True)
for speech_timestamp in speech_timestamps:
    print(speech_timestamp)

@property
def samples(self):

返回音频样本

返回：

float：返回音频样本

示例代码：

from yeaudio.audio import AudioSegment

audio_segment = AudioSegment.from_file('data/test.wav')
print(audio_segment.samples)

@property
def sample_rate(self):

返回音频采样率

返回：

int：返回音频采样率

示例代码：

from yeaudio.audio import AudioSegment

audio_segment = AudioSegment.from_file('data/test.wav')
print(audio_segment.sample_rate)

@property
def num_samples(self):

返回样品数量

返回：

int：返回样品数量

示例代码：

from yeaudio.audio import AudioSegment

audio_segment = AudioSegment.from_file('data/test.wav')
print(audio_segment.num_samples)

@property
def duration(self):

返回音频持续时间，以秒为单位

返回：

float：返回音频持续时间，以秒为单位

示例代码：

from yeaudio.audio import AudioSegment

audio_segment = AudioSegment.from_file('data/test.wav')
print(audio_segment.duration)

@property
def rms_db(self):

返回以分贝为单位的音频均方根能量

返回：

float：返回以分贝为单位的音频均方根能量

示例代码：

from yeaudio.audio import AudioSegment

audio_segment = AudioSegment.from_file('data/test.wav')
print(audio_segment.rms_db)

VadModel

语音活动检测模型，非流式

def __init__(self, batch_size: int = 1, device_id: Union[str, int] = "-1", quantize: bool = True, intra_op_num_threads: int = 4, max_end_sil: int = None):

参数：

batch_size (int, optional): 批处理大小，默认为1。
device_id (Union[str, int], optional): 设备ID，用于指定模型运行的设备，默认为"-1"表示使用CPU。如果指定为GPU，则为GPU的ID。
quantize (bool, optional): 是否使用量化模型，默认为False。
intra_op_num_threads (int, optional): ONNX Runtime的线程数，默认为4。
max_end_sil (int, optional): 最大静默结束时间，如果未指定，则使用模型配置中的默认值。

def __call__(self, audio_in: Union[np.ndarray, List[np.ndarray]]) -> List:

参数：

audio_in (Union[np.ndarray, List[np.ndarray]]): 输入音频数据，可以是单个numpy数组或numpy数组列表，采样率为16000

返回：

List: 返回结构为[[开始, 结束],[开始, 结束]...]，如果是-1，则包含该位置，如果为[]，没有检测到活动事件，单位毫秒

示例代码：

from yeaudio.audio import AudioSegment
from yeaudio.vad_model import VadModel

vad_model = VadModel()
audio_segment = AudioSegment.from_file("data/test_long.wav")
audio_segment.resample(target_sample_rate=vad_model.sample_rate)
samples = audio_segment.samples

speech_timestamps = vad_model(samples)
for speech_timestamp in speech_timestamps:
    print(speech_timestamp)

VadOnlineModel

语音活动检测模型，在线，或者叫流式

def __init__(self, batch_size: int = 1, device_id: Union[str, int] = "-1", quantize: bool = True, intra_op_num_threads: int = 4, max_end_sil: int = None):

参数：

batch_size (int, optional): 批处理大小，默认为1。
device_id (Union[str, int], optional): 设备ID，用于指定模型运行的设备，默认为"-1"表示使用CPU。如果指定为GPU，则为GPU的ID。
quantize (bool, optional): 是否使用量化模型，默认为False。
intra_op_num_threads (int, optional): ONNX Runtime的线程数，默认为4。
max_end_sil (int, optional): 最大静默结束时间，如果未指定，则使用模型配置中的默认值。

def __call__(self, audio_in: np.ndarray) -> List:

参数：

audio_in (np.ndarray): 输入音频数据，采样率为16000

返回：

List: 返回结构为[[开始, 结束],[开始, 结束]...]，如果是-1，则包含该位置，如果为[]，没有检测到活动事件，单位毫秒

示例代码：

from yeaudio.audio import AudioSegment
from yeaudio.vad_model import VadOnlineModel

vad_model = VadOnlineModel()

audio_segment = AudioSegment.from_file('data/test_long.wav')
audio_segment.resample(target_sample_rate=vad_model.sample_rate)
samples = audio_segment.samples

speech_length = len(samples)
step = 16000
param_dict = {"in_cache": []}
for sample_offset in range(0, speech_length, step):
    is_final = True if sample_offset + step >= speech_length - 1 else False
    data = samples[sample_offset:sample_offset + step]
    param_dict["is_final"] = is_final
    segments_result = vad_model(audio_in=data, param_dict=param_dict)
    if len(segments_result) > 0:
        print("segments_result", segments_result)

SpeedPerturbAugmentor

随机语速扰动的音频数据增强器

def __init__(self, prob=1.0, speed_perturb_3_class=False, num_speakers=None):

参数：

prob（float）： 数据增强概率
speed_perturb_3_class（bool）： 是否使用语速三类语速增强，只在声纹识别项目上使用
num_speakers（int）： 说话人数量，只在声纹识别项目上使用

def __call__(self, audio_segment: AudioSegment, spk_id: int = None) -> AudioSegment or [AudioSegment, int]:

参数：

audio_segment： AudioSegment实例

VolumePerturbAugmentor

随机音量扰动的音频数据增强器

def __init__(self, prob=0.0, min_gain_dBFS=-15, max_gain_dBFS=15):

参数：

prob（float）： 数据增强概率
min_gain_dBFS（int）： 最小音量，单位为分贝。
max_gain_dBFS（int）： 最大音量，单位为分贝。

def __call__(self, audio_segment: AudioSegment) -> AudioSegment:

参数：

audio_segment： AudioSegment实例

ShiftPerturbAugmentor

添加随机位移扰动的音频数增强器

def __init__(self, prob=0.0, min_shift_ms=-15, max_shift_ms=15):

参数：

prob（float）： 数据增强概率
min_shift_ms（int）： 最小偏移，单位为毫秒。
max_shift_ms（int）： 最大偏移，单位为毫秒。

def __call__(self, audio_segment: AudioSegment) -> AudioSegment:

参数：

audio_segment： AudioSegment实例

ResampleAugmentor

随机重采样的音频数据增强器

def __init__(self, prob=0.0, new_sample_rate=(8000, 16000, 24000)):

参数：

prob（float）： 数据增强概率
new_sample_rate（list）： 新采样率列表

def __call__(self, audio_segment: AudioSegment) -> AudioSegment:

参数：

audio_segment： AudioSegment实例

NoisePerturbAugmentor

随机噪声扰动的音频数据增强器

def __init__(self, noise_dir='', prob=0.0, min_snr_dB=10, max_snr_dB=50):

参数：

noise_dir（str）： 噪声文件夹路径，该文件夹下是噪声音频文件
prob（float）： 数据增强概率
min_snr_dB（int）： 最小信噪比
max_snr_dB（int）： 最大信噪比

def __call__(self, audio_segment: AudioSegment) -> AudioSegment:

参数：

audio_segment： AudioSegment实例

ReverbPerturbAugmentor

随机混响的音频数据增强器

def __init__(self, reverb_dir='', prob=0.0):

参数：

reverb_dir（str）： 混响文件夹路径，该文件夹下是噪声音频文件
prob（float）： 数据增强概率

def __call__(self, audio_segment: AudioSegment) -> AudioSegment:

参数：

audio_segment： AudioSegment实例

SpecAugmentor

频域掩蔽和时域掩蔽的音频特征数据增强器
论文：https://arxiv.org/abs/1904.08779
论文：https://arxiv.org/abs/1912.05533

def __init__(self, prob=0.0, freq_mask_ratio=0.15, n_freq_masks=2, time_mask_ratio=0.05, n_time_masks=2, inplace=True, max_time_warp=5, replace_with_zero=False):

参数：

prob（float）： 数据增强概率
freq_mask_ratio（float）： 频域掩蔽的比例
n_freq_masks（int）： 频域掩蔽次数
time_mask_ratio（float）： 时间掩蔽的比例
n_time_masks（int）： 时间掩蔽次数
inplace（bool）： 用结果覆盖
max_time_warp（bool）： 最大时间扭曲
replace_with_zero（bool）： 是否使用0作为掩码，否则使用平均值

def __call__(self, x) -> np.ndarray:

参数：

x：音频特征，维度(time, freq)

SpecSubAugmentor

从原始音频中随机替换部分帧，以模拟语音的时移。
论文：https://arxiv.org/abs/2106.05642

def __init__(self, prob=0.0, max_time=20, num_time_sub=3):

参数：

prob（float）： 数据增强概率
max_time（int）： 时间替换的最大宽度
num_time_sub（int）： 时间替换的的次数

def __call__(self, x) -> np.ndarray:

参数：

x：音频特征，维度(time, freq)

Project details

These details have not been verified by PyPI

Project links

Release history Release notifications | RSS feed

This version

0.0.7

Nov 14, 2024

0.0.6

Oct 12, 2024

0.0.5

Oct 11, 2024

0.0.4

Sep 21, 2024

0.0.3

Sep 9, 2024

0.0.2

Sep 1, 2024

0.0.1

Aug 29, 2024

Download files

Download the file for your platform. If you're not sure which to choose, learn more about installing packages.

Source Distributions

No source distribution files available for this release.See tutorial on generating distribution archives.

Built Distribution

yeaudio-0.0.7-py3-none-any.whl (2.1 MB view details)

Uploaded Nov 14, 2024 Python 3

File details

Details for the file yeaudio-0.0.7-py3-none-any.whl.

File metadata

Download URL: yeaudio-0.0.7-py3-none-any.whl
Upload date: Nov 14, 2024
Size: 2.1 MB
Tags: Python 3
Uploaded using Trusted Publishing? No
Uploaded via: twine/5.1.1 CPython/3.11.8

File hashes

Hashes for yeaudio-0.0.7-py3-none-any.whl
Algorithm	Hash digest
SHA256	`cd314c6ac4e92b1cc4f19a6f5256ed5370d8b1125210ecc685713c98ddf82e35`
MD5	`014fb823d6c5e08d985c1c8a5c961173`
BLAKE2b-256	`18b1fffff9cd139d548dded4e55b50f33d534333e53e80d7ca380ba45f753116`