[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-tyiannak--pyAudioAnalysis":3,"tool-tyiannak--pyAudioAnalysis":61},[4,18,26,36,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",149489,2,"2026-04-10T11:32:46",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",108322,"2026-04-10T11:39:34",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[52,13,15,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":32,"last_commit_at":59,"category_tags":60,"status":17},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[52,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":66,"readme_en":67,"readme_zh":68,"quickstart_zh":69,"use_case_zh":70,"hero_image_url":71,"owner_login":72,"owner_name":73,"owner_avatar_url":74,"owner_bio":75,"owner_company":76,"owner_location":77,"owner_email":78,"owner_twitter":72,"owner_website":79,"owner_url":80,"languages":81,"stars":102,"forks":103,"last_commit_at":104,"license":105,"difficulty_score":32,"env_os":106,"env_gpu":106,"env_ram":106,"env_deps":107,"category_tags":111,"github_topics":113,"view_count":32,"oss_zip_url":121,"oss_zip_packed_at":121,"status":17,"created_at":122,"updated_at":123,"faqs":124,"releases":155},6200,"tyiannak\u002FpyAudioAnalysis","pyAudioAnalysis","Python Audio Analysis Library: Feature Extraction, Classification, Segmentation and Applications","pyAudioAnalysis 是一款功能全面的 Python 音频分析库，旨在帮助开发者轻松提取音频特征、训练分类模型并执行复杂的音频处理任务。它有效解决了从原始音频数据中挖掘价值信息的难题，无论是识别音乐与语音、检测特定声音事件，还是去除长录音中的静音片段，都能通过简洁的代码或命令行指令高效完成。\n\n这款工具特别适合音频领域的研究人员、算法工程师以及希望快速原型化的开发者使用。其核心亮点在于覆盖了从监督学习到无监督学习的完整工作流：用户不仅可以提取梅尔频率倒谱系数（MFCCs）、频谱图等经典特征，还能直接训练和评估支持向量机（SVM）等分类器。更独特的是，pyAudioAnalysis 支持音频回归模型（如情感识别）、有监督与无监督分割（例如说话人日记），甚至能进行降维可视化以直观展示音频内容的相似性。配合丰富的命令行接口和详细的教程资源，即使是音频处理新手也能快速上手，将理论转化为实际应用。","\n# \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ftyiannak_pyAudioAnalysis_readme_fd3568921ab4.png\" align=\"left\" height=\"130\"\u002F> A Python library for audio feature extraction, classification, segmentation and applications\n\n*This is general info. Click [here](https:\u002F\u002Fgithub.com\u002Ftyiannak\u002FpyAudioAnalysis\u002Fwiki) for the complete wiki and [here](https:\u002F\u002Fhackernoon.com\u002Faudio-handling-basics-how-to-process-audio-files-using-python-cli-jo283u3y) for a more generic intro to audio data handling*\n\n## News\n * [2025-03-29] Check [Behavioral Signals Python SDK](https:\u002F\u002Fgithub.com\u002FBehavioralSignalTechnologies\u002Fbehavioralsignals-python) that demonstrates how to use [Behavioral Signals' API](https:\u002F\u002Fplatform.behavioralsignals.com\u002F) to send speech data and retrieve predictions related to emotions and behaviors using Python code. It works in both batch and streaming mode. Now [Behavioral Signals' API](https:\u002F\u002Fplatform.behavioralsignals.com\u002F) also supports a Speaker Agnostic Deep Fake Detector.\n * [2021-08-06] [deep-audio-features](https:\u002F\u002Fgithub.com\u002Ftyiannak\u002Fdeep_audio_features) deep audio classification and feature extraction using CNNs and Pytorch \n * Check out [paura](https:\u002F\u002Fgithub.com\u002Ftyiannak\u002Fpaura) a Python script for realtime recording and analysis of audio data\n\n## General\npyAudioAnalysis is a Python library covering a wide range of audio analysis tasks. Through pyAudioAnalysis you can:\n * Extract audio *features* and representations (e.g. mfccs, spectrogram, chromagram)\n * *Train*, parameter tune and *evaluate* classifiers of audio segments\n * *Classify* unknown sounds\n * *Detect* audio events and exclude silence periods from long recordings\n * Perform *supervised segmentation* (joint segmentation - classification)\n * Perform *unsupervised segmentation* (e.g. speaker diarization) and extract audio *thumbnails*\n * Train and use *audio regression* models (example application: emotion recognition)\n * Apply dimensionality reduction to *visualize* audio data and content similarities\n\n## Installation\n * Clone the source of this library: `git clone https:\u002F\u002Fgithub.com\u002Ftyiannak\u002FpyAudioAnalysis.git`\n * Install dependencies: `pip install -r .\u002Frequirements.txt `\n * Install using pip: `pip install -e .`\n\n## An audio classification example\n> More examples and detailed tutorials can be found [at the wiki](https:\u002F\u002Fgithub.com\u002Ftyiannak\u002FpyAudioAnalysis\u002Fwiki)\n\npyAudioAnalysis provides easy-to-call wrappers to execute audio analysis tasks. Eg, this code first trains an audio segment classifier, given a set of WAV files stored in folders (each folder representing a different class) and then the trained classifier is used to classify an unknown audio WAV file\n\n```python\nfrom pyAudioAnalysis import audioTrainTest as aT\naT.extract_features_and_train([\"classifierData\u002Fmusic\",\"classifierData\u002Fspeech\"], 1.0, 1.0, aT.shortTermWindow, aT.shortTermStep, \"svm\", \"svmSMtemp\", False)\naT.file_classification(\"data\u002Fdoremi.wav\", \"svmSMtemp\",\"svm\")\n```\n\n>Result:\n(0.0, array([ 0.90156761,  0.09843239]), ['music', 'speech'])\n\nIn addition, command-line support is provided for all functionalities. E.g. the following command extracts the spectrogram of an audio signal stored in a WAV file: `python audioAnalysis.py fileSpectrogram -i data\u002Fdoremi.wav`\n\n## Further reading\n\nApart from this README file, to bettern understand how to use this library one should read the following:\n  * [Audio Handling Basics: Process Audio Files In Command-Line or Python](https:\u002F\u002Fhackernoon.com\u002Faudio-handling-basics-how-to-process-audio-files-using-python-cli-jo283u3y), if you want to learn how to handle audio files from command line, and some basic programming on audio signal processing. Start with that if you don't know anything about audio. \n  * [Intro to Audio Analysis: Recognizing Sounds Using Machine Learning](https:\u002F\u002Fhackernoon.com\u002Fintro-to-audio-analysis-recognizing-sounds-using-machine-learning-qy2r3ufl) This goes a bit deeper than the previous article, by providing a complete intro to theory and practice of audio feature extraction, classification and segmentation (includes many Python examples).\n * [The library's wiki](https:\u002F\u002Fgithub.com\u002Ftyiannak\u002FpyAudioAnalysis\u002Fwiki)\n * [How to Use Machine Learning to Color Your Lighting Based on Music Mood](https:\u002F\u002Fhackernoon.com\u002Fhow-to-use-machine-learning-to-color-your-lighting-based-on-music-mood-bi163u8l). An interesting use-case of using this lib to train a real-time music mood estimator.\n  * A more general and theoretic description of the adopted methods (along with several experiments on particular use-cases) is presented [in this publication](http:\u002F\u002Fjournals.plos.org\u002Fplosone\u002Farticle?id=10.1371\u002Fjournal.pone.0144610). *Please use the following citation when citing pyAudioAnalysis in your research work*:\n```python\n@article{giannakopoulos2015pyaudioanalysis,\n  title={pyAudioAnalysis: An Open-Source Python Library for Audio Signal Analysis},\n  author={Giannakopoulos, Theodoros},\n  journal={PloS one},\n  volume={10},\n  number={12},\n  year={2015},\n  publisher={Public Library of Science}\n}\n```\n\nFor Matlab-related audio analysis material check  [this book](http:\u002F\u002Fwww.amazon.com\u002FIntroduction-Audio-Analysis-MATLAB%C2%AE-Approach\u002Fdp\u002F0080993885).\n\n## Author\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ftyiannak_pyAudioAnalysis_readme_0e710ec42c3b.jpg\" align=\"left\" height=\"100\"\u002F>\n\n[Theodoros Giannakopoulos](https:\u002F\u002Ftyiannak.github.io),\nPrincipal Researcher of Multimodal Machine Learning at the [Multimedia Analysis Group of the Computational Intelligence Lab (MagCIL)](https:\u002F\u002Flabs-repos.iit.demokritos.gr\u002FMagCIL\u002Findex.html) of the Institute of Informatics and Telecommunications, of the National Center for Scientific Research \"Demokritos\"\n\n","# \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ftyiannak_pyAudioAnalysis_readme_fd3568921ab4.png\" align=\"left\" height=\"130\"\u002F> 一个用于音频特征提取、分类、分割及应用的 Python 库\n\n*这是概要信息。如需完整维基，请点击[这里](https:\u002F\u002Fgithub.com\u002Ftyiannak\u002FpyAudioAnalysis\u002Fwiki)，如需更通用的音频数据处理入门介绍，请点击[这里](https:\u002F\u002Fhackernoon.com\u002Faudio-handling-basics-how-to-process-audio-files-using-python-cli-jo283u3y)*\n\n## 最新消息\n * [2025-03-29] 请查看[Behavioral Signals Python SDK](https:\u002F\u002Fgithub.com\u002FBehavioralSignalTechnologies\u002Fbehavioralsignals-python)，它展示了如何使用 [Behavioral Signals 的 API](https:\u002F\u002Fplatform.behavioralsignals.com\u002F) 通过 Python 代码发送语音数据并获取与情绪和行为相关的预测结果。该 SDK 支持批处理和流式传输两种模式。目前，[Behavioral Signals 的 API](https:\u002F\u002Fplatform.behavioralsignals.com\u002F) 还支持说话人无关的深度伪造检测器。\n * [2021-08-06] [deep-audio-features](https:\u002F\u002Fgithub.com\u002Ftyiannak\u002Fdeep_audio_features)：使用 CNN 和 PyTorch 进行深度音频分类与特征提取\n * 请查看 [paura](https:\u002F\u002Fgithub.com\u002Ftyiannak\u002Fpaura)，这是一款用于实时录制和分析音频数据的 Python 脚本。\n\n## 概述\npyAudioAnalysis 是一个覆盖广泛音频分析任务的 Python 库。通过 pyAudioAnalysis，您可以：\n * 提取音频*特征*和表示（例如 MFCC、频谱图、色度图）\n * 训练、调参和评估音频片段分类器\n * 对未知声音进行*分类*\n * 检测音频事件，并从长时间录音中排除静音段\n * 执行*监督分割*（分割与分类联合处理）\n * 执行*无监督分割*（例如说话人分离）并提取音频*缩略图*\n * 训练和使用*音频回归*模型（示例应用：情绪识别）\n * 应用降维技术来*可视化*音频数据及其内容相似性\n\n## 安装\n * 克隆本库源码：`git clone https:\u002F\u002Fgithub.com\u002Ftyiannak\u002FpyAudioAnalysis.git`\n * 安装依赖：`pip install -r .\u002Frequirements.txt`\n * 使用 pip 安装：`pip install -e .`\n\n## 音频分类示例\n> 更多示例和详细教程请参阅[维基](https:\u002F\u002Fgithub.com\u002Ftyiannak\u002FpyAudioAnalysis\u002Fwiki)\n\npyAudioAnalysis 提供易于调用的封装函数来执行音频分析任务。例如，以下代码首先根据存储在不同文件夹中的 WAV 文件集（每个文件夹代表一个类别）训练一个音频片段分类器，然后使用该分类器对未知的 WAV 音频文件进行分类：\n\n```python\nfrom pyAudioAnalysis import audioTrainTest as aT\naT.extract_features_and_train([\"classifierData\u002Fmusic\",\"classifierData\u002Fspeech\"], 1.0, 1.0, aT.shortTermWindow, aT.shortTermStep, \"svm\", \"svmSMtemp\", False)\naT.file_classification(\"data\u002Fdoremi.wav\", \"svmSMtemp\",\"svm\")\n```\n\n>结果：\n(0.0, array([ 0.90156761,  0.09843239]), ['music', 'speech'])\n\n此外，所有功能均提供命令行支持。例如，以下命令可提取存储在 WAV 文件中的音频信号的频谱图：`python audioAnalysis.py fileSpectrogram -i data\u002Fdoremi.wav`\n\n## 延伸阅读\n\n除了此 README 文件外，为了更好地理解如何使用本库，建议阅读以下内容：\n  * [音频处理基础：使用命令行或 Python 处理音频文件](https:\u002F\u002Fhackernoon.com\u002Faudio-handling-basics-how-to-process-audio-files-using-python-cli-jo283u3y)，如果您想学习如何从命令行处理音频文件以及一些基本的音频信号处理编程知识，可以从这里开始，即使您对音频一无所知。\n  * [音频分析入门：使用机器学习识别声音](https:\u002F\u002Fhackernoon.com\u002Fintro-to-audio-analysis-recognizing-sounds-using-machine-learning-qy2r3ufl)。本文比上一篇更深入，提供了关于音频特征提取、分类和分割的理论与实践的完整介绍（包含大量 Python 示例）。\n * [本库的维基](https:\u002F\u002Fgithub.com\u002Ftyiannak\u002FpyAudioAnalysis\u002Fwiki)\n * [如何利用机器学习根据音乐情绪控制灯光颜色](https:\u002F\u002Fhackernoon.com\u002Fhow-to-use-machine-learning-to-color-your-lighting-based-on-music-mood-bi163u8l)。这是一个有趣的案例，展示了如何使用本库训练实时音乐情绪估计器。\n  * 关于所采用方法的更通用和理论性的描述（以及针对特定用例的多项实验）发表在[这篇论文](http:\u002F\u002Fjournals.plos.org\u002Fplosone\u002Farticle?id=10.1371\u002Fjournal.pone.0144610)中。*请在您的研究工作中引用 pyAudioAnalysis 时使用以下参考文献*：\n```python\n@article{giannakopoulos2015pyaudioanalysis,\n  title={pyAudioAnalysis: 一个用于音频信号分析的开源 Python 库},\n  author={Giannakopoulos, Theodoros},\n  journal={PloS one},\n  volume={10},\n  number={12},\n  year={2015},\n  publisher={Public Library of Science}\n}\n```\n\n有关 MATLAB 相关的音频分析资料，请参阅[这本书](http:\u002F\u002Fwww.amazon.com\u002FIntroduction-Audio-Analysis-MATLAB%C2%AE-Approach\u002Fdp\u002F0080993885)。\n\n## 作者\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ftyiannak_pyAudioAnalysis_readme_0e710ec42c3b.jpg\" align=\"left\" height=\"100\"\u002F>\n\n[Theodoros Giannakopoulos](https:\u002F\u002Ftyiannak.github.io),\n多媒体分析组计算智能实验室 (MagCIL) 多模态机器学习首席研究员，\n隶属于国家科研中心“德谟克利特”信息与通信研究所。","# pyAudioAnalysis 快速上手指南\n\npyAudioAnalysis 是一个功能强大的 Python 开源库，广泛用于音频特征提取、分类、分割及应用开发（如情感识别、说话人日记、静音检测等）。\n\n## 环境准备\n\n*   **操作系统**：支持 Linux, macOS, Windows。\n*   **Python 版本**：建议 Python 3.6 及以上版本。\n*   **前置依赖**：\n    *   `git`：用于克隆代码仓库。\n    *   `pip`：Python 包管理工具。\n    *   基础科学计算库（安装脚本会自动处理）：`numpy`, `scipy`, `scikit-learn`, `matplotlib`, `python_speech_features` 等。\n\n> **国内加速建议**：在安装依赖时，推荐使用清华或阿里云镜像源以提升下载速度。\n\n## 安装步骤\n\n1.  **克隆源代码**\n    ```bash\n    git clone https:\u002F\u002Fgithub.com\u002Ftyiannak\u002FpyAudioAnalysis.git\n    cd pyAudioAnalysis\n    ```\n\n2.  **安装依赖**\n    （推荐使用国内镜像源）\n    ```bash\n    pip install -r .\u002Frequirements.txt -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n    ```\n\n3.  **安装库本身**\n    ```bash\n    pip install -e .\n    ```\n\n## 基本使用\n\npyAudioAnalysis 提供了简洁的 Python API 和命令行工具。以下是最核心的**音频分类**工作流示例：先训练一个分类器，然后对未知音频进行分类。\n\n### 1. Python 代码示例\n\n假设你有一个文件夹结构，其中 `classifierData\u002Fmusic` 存放音乐样本，`classifierData\u002Fspeech` 存放语音样本。\n\n```python\nfrom pyAudioAnalysis import audioTrainTest as aT\n\n# 第一步：提取特征并训练分类器\n# 参数说明：输入文件夹列表，短期窗口大小，步长，窗口函数，步长函数，分类器类型，模型名称，是否标准化\naT.extract_features_and_train(\n    [\"classifierData\u002Fmusic\", \"classifierData\u002Fspeech\"], \n    1.0, \n    1.0, \n    aT.shortTermWindow, \n    aT.shortTermStep, \n    \"svm\", \n    \"svmSMtemp\", \n    False\n)\n\n# 第二步：使用训练好的模型分类未知音频文件\nresult = aT.file_classification(\"data\u002Fdoremi.wav\", \"svmSMtemp\", \"svm\")\n\nprint(result)\n# 输出示例：(0.0, array([ 0.90156761,  0.09843239]), ['music', 'speech'])\n# 分别代表：预测类别索引，各类别概率数组，类别名称列表\n```\n\n### 2. 命令行示例\n\n如果你更喜欢命令行操作，可以直接使用自带的脚本。例如，提取音频的语谱图（Spectrogram）：\n\n```bash\npython audioAnalysis.py fileSpectrogram -i data\u002Fdoremi.wav\n```\n\n> **提示**：更多高级功能（如降维可视化、无监督分割、实时分析等）及详细参数说明，请参考项目的官方 Wiki。","某在线教育平台的技术团队需要自动处理成千上万节录播课程，以区分教师讲解、学生互动和纯背景音乐片段，从而生成智能章节索引。\n\n### 没有 pyAudioAnalysis 时\n- 工程师需手动编写复杂的信号处理代码来提取 MFCC 或频谱图特征，开发周期长达数周且容易出错。\n- 面对海量音频数据，缺乏高效的静音检测机制，导致存储成本浪费在大量无意义的空白片段上。\n- 无法自动识别音频内容类型，只能依靠人工听音打标来区分“讲课”与“音乐”，效率极低且主观性强。\n- 想要实现说话人分离（如区分老师和学生）时，缺乏现成的无监督分割算法，技术门槛极高。\n\n### 使用 pyAudioAnalysis 后\n- 调用几行代码即可批量提取专业音频特征并训练分类器，将原本数周的特征工程缩短至几小时。\n- 利用内置的事件检测功能自动剔除静音段落，仅保留有效教学内容，显著降低存储与带宽成本。\n- 通过预训练的 SVM 模型自动将音频片段分类为“语音”或“音乐”，快速生成准确的视频章节标记。\n- 直接使用无监督分割功能完成说话人日志分析，轻松区分课堂中的不同发言者，无需额外标注数据。\n\npyAudioAnalysis 将复杂的音频信号处理转化为简单的 Python 调用，让开发者能低成本地为音频数据赋予结构化智能。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ftyiannak_pyAudioAnalysis_fd356892.png","tyiannak","Theodoros Giannakopoulos","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Ftyiannak_c2413668.jpg","Principal Researcher of Multimodal Machine Learning","NCSR Demokritos","Athens, Greece","tyiannak@gmail.com","https:\u002F\u002Ftyiannak.github.io","https:\u002F\u002Fgithub.com\u002Ftyiannak",[82,86,90,94,98],{"name":83,"color":84,"percentage":85},"Python","#3572A5",92.5,{"name":87,"color":88,"percentage":89},"Shell","#89e051",3.9,{"name":91,"color":92,"percentage":93},"HTML","#e34c26",1.8,{"name":95,"color":96,"percentage":97},"CSS","#663399",1,{"name":99,"color":100,"percentage":101},"MATLAB","#e16737",0.8,6234,1222,"2026-04-09T07:51:14","Apache-2.0","未说明",{"notes":108,"python":106,"dependencies":109},"README 未直接列出具体的操作系统、GPU、内存或 Python 版本要求，仅指示通过 'pip install -r .\u002Frequirements.txt' 安装依赖。该项目主要基于传统机器学习方法（如 SVM），而非深度神经网络（虽然新闻部分提到了一个独立的深度学习项目 deep-audio-features），因此通常不需要高性能 GPU。建议克隆仓库后查看 requirements.txt 文件以获取准确的依赖库列表和版本信息。",[110],"requirements.txt 中定义的依赖 (需查看该文件获取具体列表)",[16,112,14],"音频",[114,115,116,117,118,119,120],"audio","machine-learning","signal-processing","audio-data","audio-analysis-tasks","pyaudioanalysis","python",null,"2026-03-27T02:49:30.150509","2026-04-10T20:32:48.299551",[125,130,135,140,145,150],{"id":126,"question_zh":127,"answer_zh":128,"source_url":129},28086,"运行回归训练时出现 \"tuple index out of range\" 错误怎么办？","这通常是因为标注文件（CSV）中的文件名缺少扩展名。请确保 CSV 文件中每一行的文件名都包含完整的扩展名（例如 .wav）。维护者已更新代码，在缺少扩展名时会发出警告，同时建议检查 Wiki 文档中的示例是否准确包含了扩展名。","https:\u002F\u002Fgithub.com\u002Ftyiannak\u002FpyAudioAnalysis\u002Fissues\u002F184",{"id":131,"question_zh":132,"answer_zh":133,"source_url":134},28087,"导入模块时遇到 \"No module named eyeD3\" 错误如何解决？","这是因为模块名称已从 \"eyeD3\" 更改为 \"eyed3\"（注意 'd' 是小写）。解决方法是将代码中的 `import eyeD3` 修改为 `import eyed3` 即可修复该问题。","https:\u002F\u002Fgithub.com\u002Ftyiannak\u002FpyAudioAnalysis\u002Fissues\u002F111",{"id":136,"question_zh":137,"answer_zh":138,"source_url":139},28088,"训练分类器时出现 \"ValueError: operands could not be broadcast together with shapes\" 错误是什么原因？","该错误通常是由于某个类别文件夹中的样本数量不足导致的（例如其他类别有数百个文件，而该类别只有 4 个）。解决方案是向样本较少的类别文件夹中添加更多的音频文件，确保各类别样本数量相对均衡且充足。","https:\u002F\u002Fgithub.com\u002Ftyiannak\u002FpyAudioAnalysis\u002Fissues\u002F368",{"id":141,"question_zh":142,"answer_zh":143,"source_url":144},28089,"使用小窗口大小提取特征时出现 \"index out of bounds\" 错误如何处理？","当窗口大小（Win size）小于最大色度数（max(nChroma)）时会触发此错误。这是因为 nFreqsPerChroma 数组的大小限制。建议避免使用过小的窗口大小，或者需要修改源码逻辑，使其能够处理小窗口下的频率分箱归一化问题（例如将 C 数组大小调整为 120 并汇总重复的频率区间）。","https:\u002F\u002Fgithub.com\u002Ftyiannak\u002FpyAudioAnalysis\u002Fissues\u002F30",{"id":146,"question_zh":147,"answer_zh":148,"source_url":149},28090,"为什么分类器训练很快完成但分类效果极差（如混淆矩阵全为均匀分布）？","这通常是因为训练样本数量太少导致的。例如每个类别仅有 2 个样本（5-10 秒\u002F样本）不足以让模型学习到有效特征。解决方案是大幅增加每个类别的训练样本数量，以确保分类器能够正常收敛和区分不同类别。","https:\u002F\u002Fgithub.com\u002Ftyiannak\u002FpyAudioAnalysis\u002Fissues\u002F20",{"id":151,"question_zh":152,"answer_zh":153,"source_url":154},28091,"目前安装 pyAudioAnalysis 的首选方式是什么？是否有 setup.py？","社区用户曾建议添加 setup.py 以便通过标准方式安装，并将代码移入子目录。虽然这是一个简单的任务，但早期版本可能需要手动配置。建议查看仓库最新的 README 或发行版说明，确认是否已通过 pip 支持直接安装，或者按照最新文档手动设置环境变量和路径。","https:\u002F\u002Fgithub.com\u002Ftyiannak\u002FpyAudioAnalysis\u002Fissues\u002F43",[]]