CCFBDCI2020通用音频分类数据集 包括训练集和测试集，文件夹名称是标签

清晰地介绍了I2S音频标准 有波形图 中文的也更容易理解哦

基于STC89C52的单片机开发作品。包括材料清单，原理图，接线图，源码等全部资料。

介绍一种基于AMBE-2000的高质量语音系统，该系统使用DVSI公司开发的AMBE-2000语音芯片，可以在低速率下保持声音自然，语音清晰，并且在选择语音速率和误码率上提供了很高的灵活性。此外，它还具有低成本，低功耗等优点。因此，该系统具有广泛的应用前景，可以应用于诸如安全通信、话音多路传输、卫星通信、多媒体应用、蜂窝电话等多种语音处理的场合。

使用 CNN-MLP 的音频分类 使用深度学习（CNN、MLP）的多类音频分类 引文 如果你觉得这个项目有帮助，请引用如下： @software{vishal_sharma_2020_3988690, author = {Vishal Sharma}, title = {{vishalshar/Audio-Classification-using-CNN-MLP: first release}}, month = Aug, year = 2020, publisher = {Zenodo}, version = {v1.0.0}, doi = {10.5281/zenodo.3988690}, url = {

audacity是一款支持linux、macos以及windows等多种平台的快速多轨音频编辑、录制工具，支持wav, aiff, ogg和mp3格式音乐文件，提供编辑、混音功能并提供预置效果、插件和无限次反悔操作。

本文介绍了一种基于FPGA和DSP的多通道音频采集卡的设计和实现方案，该卡能够工作在多种采样率下并可以使用DSP中不同的音频算法用于满足不同场合，并通过PC104接口将处理后的数据上传至主机。采集卡已应用在船舶航行数据纪录仪VDR中。

mfcc特征提取的matlab代码此软件包已弃用，不再维护，请改用神农： 安装： 简而言之，如果所有依赖项都安装在系统上，则可以在cli内安装feature_extraction ： python setup.py build && python setup.py install 如果使用conda从源代码安装并且未安装依赖项，则可以执行以下操作： 来自github的gget feature_extraction ： >> git clone https://github.com/bootphon/features_extraction 创建您的环境，例如，如果使用conda（使用来自的python 2.7 64-BIT） >> cd features_extraction >> conda create --name feat --file requirements.txt >> source activate feat 安装conda不可用的其他依赖项 (feat) >> pip install oct2py (feat) >> pip install git+http://git

ffmpeg 实现音频重采样，采样率，声道，类型任意

抓换各种视频音频！很好用！