awesome-python-scientific-audio：做音频科研的 Python 工具清单

做音频相关研究的人，应该都经历过这种痛苦：想用 Python 处理音频，搜了半天发现工具散落在各个角落，有的库文档不全，有的早就没人维护了。GitHub 上有一个人工整理的列表，把 Python 音频科学计算领域的工具按类别归拢到一起，目前收录了 67 个包，涵盖从基础读写到深度学习的完整链条。

这个项目叫 awesome-python-scientific-audio，Star 数不到 1700，在 awesome 系列里不算高，但在音频科研圈子里口碑不错。维护者 faroit 持续更新了好几年，每个收录的包都标注了是否有 PyPI 包、是否有 GitHub 仓库，方便判断活跃度。

分类覆盖了音频研究的各个环节

列表按功能分了十多个类别，我挑几个重点说说。

读写层：audioread、PySoundFile、pydub 这几个是最常用的。audioread 能调用 FFmpeg、GStreamer 等多种后端解码音频，兼容性好。PySoundFile 基于 libsndfile，读写速度快。pydub 提供了高层 API，处理音频拼接、切片这些操作很直观。

信号处理：pyFFTW 做快速傅里叶变换，性能比 NumPy 自带的 FFT 好。Resampy 处理采样率转换。pyroomacoustics 可以模拟房间声学，生成房间脉冲响应，做麦克风阵列研究的人经常用。Gammatone 实现了 Gammatone 滤波器组，听觉模型相关的研究离不开它。

特征提取：librosa 是这个领域的事实标准，频谱图、MFCC、色度特征这些都能算。essentia 是 MTG 实验室出的，底层用 C++ 写的，性能强，适合处理大规模数据集。audioFlux 是后来者，功能覆盖也比较全。

语音处理：SpeechRecognition 封装了多个语音识别引擎，Google、IBM、Wit.ai 的 API 都能调。pyannote.audio 做说话人分割，基于深度学习，效果在学术界评价不错。aeneas 做音频和文本的强制对齐，支持 35 种语言。

源分离：nussl 是西北大学出的框架，把传统 DSP 方法和深度学习方法都整合进去了。musdb 专门处理 MUSDB18 数据集，做音乐源分离的人基本都会用到。

深度学习：TorchAudio 是 PyTorch 官方的音频库，Kapre 可以把音频预处理层嵌入 Keras 模型，nnAudio 用 1D 卷积加速频谱计算。

除了工具还有学习资源

列表里还收录了一些教程和书籍。Jupyter Notebooks 形式的 MIR 教程比较实用，可以直接跑代码。《Fundamentals of Music Processing》这本书配套了 Python 练习，做音乐信息检索的人推荐比较多。另外还有 Coursera 上巴塞罗那大学和斯坦福合开的音频信号处理课程，也是 Python 教学。

适合谁用

如果你是做音频方向的研究生或者工程师，这个列表值得收藏。它不是那种罗列几百个库的大杂烩，每个类别只收录几个有代表性的工具，省去了自己筛选的时间。

新手可以从中找到入门路径：先装 librosa 和 pydub，把基础的音频读取、特征提取跑通，再根据具体需求扩展。有经验的人可以从中发现一些小众但好用的工具，比如 matchering 做自动母带处理，或者 pyfar 做声学信号处理。

这个项目的局限也很明显：它只收录 Python 生态的工具，如果你需要 C++ 或 MATLAB 的方案，得另外找。而且有些包更新不太频繁，用之前最好看看最近的 commit 时间。

总的来说，这是一个小而精的资源索引，适合做音频科研的人作为工具选型的起点。

总的来说，这是一个小而精的资源索引，适合做音频科研的人作为工具选型的起点。