Binaspect — 用于听觉音频分析、可视化与特征生成的 Python 库
声音
2025-10-30 v1
摘要
我们提出了 Binaspect，这是一个开源的 Python 库，用于听觉音频的分析、可视化和特征生成。Binaspect 通过计算修改后的双耳时差和水平差异频谱图，并将这些时频 (TF) 区间聚类到稳定的时间-方位直方图表示中，从而生成可解释的“方位图”。这使得多个活跃源以不同的方位聚类呈现，而退化现象则表现为较宽的、扩散的或偏移的分布。重要的是，Binaspect 仅针对音频进行无监督处理，无需任何头部模型的先验知识。这些可视化结果使研究人员和工程师能够观察听觉线索在编解码器和渲染器设计选择等后续过程中的退化情况。我们在比特率梯度、Ambisonic 渲染和 VBAP 源定位方面演示了该工具，其中清晰揭示了退化现象。除了诊断价值之外，提出的表示形式还可导出为适合训练机器学习模型的结构化特征，用于质量预测、空间音频分类等听觉任务。Binaspect 采用开源许可证发布，并在 https://github.com/QxLabIreland/Binaspect 提供完整的可复现脚本。
引用
@article{arxiv.2510.25714,
title = {Binaspect -- A Python Library for Binaural Audio Analysis, Visualization & Feature Generation},
author = {Dan Barry and Davoud Shariat Panah and Alessandro Ragano and Jan Skoglund and Andrew Hines},
journal= {arXiv preprint arXiv:2510.25714},
year = {2025}
}