Binamix -- 一个用于生成双耳音频数据集的Python库
声音
2025-05-05 v1 音频与语音处理
摘要
虚拟现实、沉浸式媒体和空间音频研究等应用对空间音频日益增长的需求，需要强大的解决方案来生成用于测试和验证的双耳音频数据集。Binamix是一个开源的Python库，旨在利用广泛的SADIE II数据库促进程序化双耳混音，该数据库提供了20名受试者的头相关脉冲响应（HRIR）和双耳房间脉冲响应（BRIR）数据。Binamix库提供了一个灵活且可重复的框架，用于创建大规模空间音频数据集，使其成为编解码器评估、音频质量度量开发和机器学习模型训练的宝贵资源。一系列预构建的示例脚本、实用函数和可视化图表进一步简化了自定义流程创建的过程。本文概述了该库的功能，包括双耳渲染、脉冲响应插值以及针对各种扬声器布局的多轨混音。这些工具利用改进的Delaunay三角剖分技术，在数据中不存在所需角度时实现精确的HRIR/BRIR插值。通过支持方位角、仰角、受试者脉冲响应（IR）、扬声器布局、混音控制等多种参数，该库使研究人员能够为任何下游目的创建大型双耳数据集。Binamix通过提供用于双耳渲染和数据集生成的开源解决方案，使研究人员和开发者能够以可重复的方法推进空间音频应用。我们在Apache 2.0许可下于https://github.com/QxLabIreland/Binamix/发布该库。
引用
@article{arxiv.2505.01369,
title = {Binamix -- A Python Library for Generating Binaural Audio Datasets},
author = {Dan Barry and Davoud Shariat Panah and Alessandro Ragano and Jan Skoglund and Andrew Hines},
journal= {arXiv preprint arXiv:2505.01369},
year = {2025}
}
备注
Accepted to the 158th Audio Engineering Society Convention, 2025