audiomentations

收录理由

只用一份干净数据集训练出来的音频模型，一遇到真实世界的录音往往就失灵——背景人声、房间混响、压缩痕迹都会让模型表现大打折扣。Audiomentations 正好补上这一环，它提供了一整套开箱即用的扰动手段：加噪、变调变速、脉冲响应、均衡滤波、增益渐变，甚至模拟 mp3 压缩。每个变换都可以单独设定触发概率，用起来像搭积木一样拼出一条随机增强流程，省去手工调参的麻烦。它的接口模仿了 albumentations，做过图像增强的人几乎不用额外学习就能上手，几分钟内就能搭出一个可用的 Compose 链。库本身跑在 CPU 上，支持单声道和多声道音频，也能直接嵌进 TensorFlow/Keras 或 PyTorch 的训练循环，无论是做语音识别、声音分类还是音乐相关任务，都很顺手。如果用的是 PyTorch 又想要 GPU 加速，旁边还有配套的 torch-audiomentations 可以切换。