使用指南

這份指南照你手上要做的工作來安排，而不是照模組的結構。每一頁說明這些函式是做什麼用的、該拿哪一個，以及它們會在哪裡出錯，範例都可以照原樣執行。每個函式的每個參數都在 API 參考。

依工作挑頁面

你想要	請看
讀取、寫入或轉換音訊檔案，一次處理整個資料夾	音訊檔案
把音訊轉成模型訓練用的矩陣	STFT 與特徵
在動手處理之前，先知道一段錄音能不能用	檢查錄音
找出哪裡有人在說話、音高多少	語音活動與音高
裁切、接合、濾波、淡入淡出或資料擴增	編輯與效果
把片段放進房間，或送進電話線路	房間與通道
從一個語音資料夾和一個雜訊資料夾，做出劣化／乾淨的訓練配對	建立含雜訊資料集
去除雜訊，或在幾種降噪方法之間做選擇	降噪
拿處理過的音訊和乾淨的參考訊號比對評分	品質評估
在音訊還在進來的時候錄音、監聽或畫圖	錄音與即時檢視

錄音受損的順序

語音要經過一條鏈才會進到檔案裡，有好幾頁講的就是其中一環：

talker -> room -> + noise -> link -> file

房間是摺積性的，雜訊是加上去的，而鏈結（電話線路、編解碼器、會掉封包的網路）則作用在所有進到麥克風的東西上。房間與通道講房間和鏈結，建立含雜訊資料集照這個順序套用整條鏈，降噪和品質評估則是從檔案往回推。

每一頁共通的慣例

• 程式碼都是 import kudio，再從最上層呼叫所有東西：寫 kudio.file_load，而不是 kudio.core.io.file_load。
• 波形是以 ±1.0 為滿刻度的 float32 NumPy 陣列。單聲道是一維；超過一個聲道時是 (frames, channels)，也就是 soundfile 用的排列方式。
• 頻譜圖每個音框一列：(frames, bins)。
• 凡是有隨機性的地方都可以傳種子，範例也都有傳，所以頁面上顯示的輸出，就是你執行時會得到的輸出。