Spafe

简化Python音频特征提取

目录

• Spafe
• 目录
• 结构
  • 滤波器组
  • 频谱图
  • 特征
  • 频率
  • 安装
    • 依赖关系
    • 安装指南
      • 从PyPI安装
      • 从Anaconda安装
    • 从源安装
  • 为什么使用Spafe？
  • 如何使用
  • 贡献
  • 引用

结构

spafe旨在简化从单声道音频文件中提取特征。Spafe包括与滤波器组、频谱图、频率和倒谱特征相关的各种计算。该库具有以下结构：

滤波器组

• Bark滤波器组
• Gamma tone滤波器组
• 线性滤波器组
• Mel滤波器组

频谱图

• Bark频谱图
• CQT频谱图
• Erb频谱图
• Mel频谱图

特征

• Bark频率倒谱系数（BFCCs）
• 常数Q变换倒谱系数（CQCCs）
• Gamma tone频率倒谱系数（GFCCs）
• 线性频谱倒谱系数（LFCC）
• 线性预测系数（LPC）
• 梅尔频率倒谱系数（MFCC）
• 逆梅尔频率倒谱系数（IMFCC）
• 基于幅度谱根倒谱系数（MSRCC）
• 归一化伽马斜波倒谱系数（NGCC）
• 功率归一化倒谱系数（PNCC）
• 基于相位谱根倒谱系数（PSRCC）
• 感知线性预测系数（PLP）
• Rasta感知线性预测系数（RPLP）

使用spafe计算特征的理论可以用以下图表概括：

频率

• 主导频率
• 基频

安装

依赖关系

spafe需要

• Python (>= 3.5)
• NumPy (>= 1.22.0)
• SciPy (>= 1.8.0)

如果您想使用spafe的视觉模块/函数，您需要安装

• Matplotlib (>= 3.5.2)

安装指南

一旦您安装了依赖项，请使用以下安装选项之一。

从PyPI安装

• 要全新安装spafe

pip install spafe

• 要更新现有安装

pip install -U spafe

从Anaconda安装

• Spafe也适用于anaconda

conda install spafe

从源安装

• 您可以通过以下步骤从源代码构建spafe

git clone git@github.com:SuperKogito/spafe.git
cd spafe
python setup.py install

为什么使用Spafe？

与大多数现有的音频特征提取库（python_speech_features，SpeechPy，surfboard和Bob）不同，Spafe提供了更多关于频谱特征提取算法的选项，特别是

• Bark频率倒谱系数（BFCCs）
• 常数Q变换倒谱系数（CQCCs）
• Gamma tone频率倒谱系数（GFCCs）
• 功率归一化倒谱系数（PNCC）
• 基于相位谱根倒谱系数（PSRCC）

大多数现有库及其优点提供了对特征提取的出色实现，但遗憾的是，它们仅限于梅尔频率特征（MFCC），并且最多还包含 Bark 频率和线性预测系数。例如，Librosa包括各种算法的出色实现（仅包括 MFCC 和 LPC），基于 短时傅里叶变换（STFT），从理论上讲更准确，但比 Spafe 实现中使用的 离散傅里叶变换 慢。

如何使用

有关如何使用spafe的示例在各种文档中均有说明 https://superkogito.github.io/spafe。

!请确保您引用的是正确的文档版本。

贡献

欢迎并鼓励贡献。要了解有关如何为spafe做出贡献的更多信息，请参阅贡献指南

引用

• 如果您想将spafe作为软件引用，请引用在以下索引中使用的版本 Zenodo

  Ayoub Malek，Hadrien Titeux，Stefano Borzì，Christian Heider Nielsen，Fabian-Robert Stöter，Hervé Bredin，Eryk Urbański & Kevin Mattheus Moerman。 （2023）。SuperKogito/spafe: v0.3.3 （v0.3.3）。 Zenodo。 https://doi.org/10.5281/zenodo.11396240

  

• 您还可以按以下方式引用spafe的论文

  Malek, A. （2023）。Spafe：简化python音频特征提取。开源软件杂志，8（81），4739， https://doi.org/10.21105/joss.04739