全球音频领域哪家强？盘点常用的相关 Python 库

针对 MIR(音乐信息检索) 领域工程研究概况，下面列出一些全世界最具有影响力的工程成果和相关组织，排名某些情况下可分先后。

注：

librosa，美国出品，目前业界内常用的库，其过程命令式的接口实现设计，方便易用、易理解的同时，也加剧了其性能短板，大规模数据跑起来特别慢。

Rosa 实验室，大佬们的论文和各种资源令人目不暇接，但这在美国高校中只是冰山一角，整体反映出其行业背后“教研产创”生态的强壮和勃勃生机。

aubio，更确切的应该是 qm-dsp 才是 C4DM 的项目，Chris Cannam 大神出品，偏向 mir/onset 这一块，可惜关注度不高，aubio 算是其简化版本，却打出一片名声，由于是简化版本，工具感较重一些，原版本相对丰富的音频特征并不突出，不太适合研发使用。

英国作为老牌资本主义，QueenMary 大学产出的 Sonic/Vamp 业界也是赫赫有名，音频领域积累十分雄厚，和美国某种程度上不分伯仲，留学政策又相对友好，有意向计算机音频、音乐领域的同学，十分建议到此取经。

essentia，其 MTG 小组也是 Vamp 插件的重量级产出方，当前库社区较活跃一些，功能上音频特征更全面一些，支持移动端，但整个设计体系感较弱，像一锅乱炖，使用上相比其它库不太方便，和 nn 有部分耦合。

madmom，mir/onset 这块特别出色，但整体耦合 nn 相关。

AudioLabs 实验室，工程上较为松散，缺乏有代表性的库，但每一小块拿出来，都是世界顶级水准，做音频这个行业，无论理论还是工程实践，其资源都是干货满满。

audioFlux，音频特征较为全面，支持移动端，提供尽可能细粒度、体系化的特征维度和组合，但某些变换的逆操作尚未实现。

开源无国界，开源者有自己的国界

前两天发布了一篇名为“这个小项目，上周被国外 AI 新闻网站报道，前些天又上了 github 热榜”的帖子，没想到引起了一些关注，甚至再次进入了 Github Trending ！在这里感谢各位 V2 大佬们的支持，你们的支持给了我很大的动力和信心，让我能够继续完善和优化这个小项目。

从大家的评论中可以看出，V2 社区里有不少关注音频、数字信号领域的研究者或者从事相关业务的人。有人提到了降噪音、音频驱动马达振动、乐器调音器、孤立词识别、ECG 信号分类、音源分离等业务问题。当然，audioFlux 能够做的不仅仅是这些，如果大家有其他数字信号、深度学习或具体业务方面的问题，欢迎随时与我讨论。

同时，也非常感谢大家提出的宝贵意见和建议，我会尽快整理并加入到 TodoList 中，以便更好地改进和完善这个小项目。再次感谢各位的支持和关注！

如果你对这个项目感兴趣或有意向加入其中，非常欢迎你的加入，和我一起完善这个项目。