深度音频分类

一个从您自己的音乐库中构建数据集，并用其填补缺失流派的流程

阅读 Medium 上的文章

所需安装：

eyed3
sox --with-lame
tensorflow
tflearn

• 创建文件夹 Data/Raw/
• 将您已标注的 .mp3 文件放入 Data/Raw/

创建歌曲片段（可能耗时较长）：

python main.py slice

训练分类器（同样耗时较长）：

python main.py train

测试分类器（速度较快）：

python main.py test

• 大多数可编辑的参数位于 config.py 文件中，模型可以在 model.py 文件中更改。
• 我尚未实现使用该模型为新歌曲打标的流程，但借助提供的函数和 eyed3 库进行 mp3 文件操作，这很容易完成。以下是您需要使用的完整流程。

DeepAudioClassification 快速上手指南

DeepAudioClassification 是一个基于深度学习的音频分类工具，可用于从个人音乐库构建数据集，并自动补全缺失的音乐流派标签。

环境准备

系统要求

• 操作系统：Linux / macOS（Windows 需配置 WSL 或类似环境以支持 sox）
• Python 版本：建议 Python 3.6+
• 磁盘空间：需预留足够空间存放原始音频及切片数据

前置依赖

请确保系统已安装以下基础依赖：

• sox：音频处理工具（必须包含 lame 编码支持）
• eyed3：用于读取和写入 MP3 元数据

安装步骤

1. 安装系统级依赖（以 Ubuntu/Debian 为例）

   sudo apt-get update
   sudo apt-get install sox libsox-fmt-mp3
   

   注：macOS 用户可使用 brew install sox

2. 安装 Python 依赖 建议使用国内镜像源加速安装（如清华源）：

   pip install -i https://pypi.tuna.tsinghua.edu.cn/simple eyed3 tensorflow tflearn
   

   注意：tensorflow 版本需与 tflearn 兼容，如遇版本冲突请参考 tflearn 官方文档指定版本安装。

3. 克隆项目代码

   git clone https://github.com/despoisj/DeepAudioClassification.git
   cd DeepAudioClassification
   

基本使用

1. 准备数据

在项目根目录下创建原始数据文件夹，并将已标记好流派信息的 .mp3 文件放入其中：

mkdir -p Data/Raw
# 将您的 .mp3 文件复制至 Data/Raw/ 目录

确保 MP3 文件的 ID3 标签中已正确填写 Genre 信息，工具将以此作为训练标签。

2. 生成音频切片

将长音频切割为模型可处理的片段（此过程耗时较长）：

python main.py slice

3. 训练分类器

使用切片数据训练深度学习模型（此过程耗时较长，建议使用 GPU）：

python main.py train

如需调整超参数或模型结构，可编辑 config.py 和 model.py 文件。

4. 测试模型

快速验证训练好的分类器效果：

python main.py test

进阶：自动化标注新歌曲

虽然项目未直接提供一键标注脚本，但您可以结合 main.py 中的函数与 eyed3 库自行编写脚本，实现对新歌曲的流派预测并写入 MP3 标签，完整流程参考项目架构图。