音频/语音处理-综述

音频处理库—librosa的安装与使用
Pytorch音频处理（torchaudio的使用）

源码

1、kaggle-birdcall-resnet-baseline-training（用resnet50做鸟叫分类）
对应的kaggle竞赛页面：https://www.kaggle.com/hidehisaarai1213/inference-pytorch-birdcall-resnet-baseline

2、PANNs: Large-Scale Pretrained Audio Neural Networks for Audio Pattern Recognition。
github源码

3、语音合成源码合集

4、城市环境声分类（自建CNN）
mariostrbac/environmental-sound-classification

5、AST: Audio Spectrogram Transformer
改进版-自监督学习：SSAST: Self-Supervised Audio Spectrogram Transformer（代码很规范，很友好）

数据集

婴儿哭声数据集 donateacry-corpus

ubansound8K数据集

参考文献

语音识别与语音合成的论文集合：
awesome-speech-recognition-speech-synthesis-papers
语音合成的论文集合：TTS-papers

声音(音乐)分类综述（声音的基本特征：时域特征，频域特征）

keras实现声音二分类（就这代码讲解基本过程）

使用PyTorch对音频进行分类

语音合成

语音合成的一个实时模型SqueezeWave

SqueezeWave， code（~5-13x faster than real-time）

语音合成源码合集

音乐生成

ByteSing- A Chinese Singing Voice Synthesis System Using Duration Allocated Encoder-Decoder Acoustic Models and WaveRNN Vocoders(2020), Yu Gu et al. [pdf]

Jukebox: A Generative Model for Music(2020) 有源码