如何在声学数据集上应用数据增强？

Question

我有一个关于人类声音的小型声学数据集，我想对其进行扩充，然后将其传递给二进制分类器。

我熟悉图像的数据增强，但它是如何为声学数据集做的？

我找到了关于autoencoders和SpecAugment with Pytorch & TorchAudio的两个相关答案，但我想听听你对音频特定的“最佳方法”的看法。

Answer 1

这真的取决于你想要实现什么，你的分类器是为什么而设计的，以及它是如何工作的。

根据上面的情况，例如，您可以以不同的方式剪切音频(如果您向分类器提供经过剪切的音频片段，这在您的特定情况下是有意义的)。你也可以用一些不同信噪比的背景噪声(如白噪声或录制的背景噪声)来增强它-这应该会使分类器对噪声更加健壮。