libACA、pyACA与ACA-Code：多语言音频分析工具比较

本文档主要介绍了libACA、pyACA和ACA-Code三个音频内容分析软件包，它们分别基于C++、Python和Matlab这三种不同的编程语言。这些软件包由亚历山大·莱希，美国乔治亚理工学院音乐信息学组的成员开发，旨在提供音频信号分析的基本方法和算法的参考实现。它们涵盖了音频特征提取（如低级别特征）、基频估计、和弦识别、音乐键检测及起始点检测等核心功能。此外，软件还包含了更为通用的音频分析算法，如动态时间规整和维特比算法，有助于促进音频分析算法的教学和实践。 这些软件包的版本为v0.3.1，其代码与存储库可以通过以下链接访问：[libACA](https://github.com/SoftwareImpacts/SIMPAC-2022-107ReproducibleCapsule/tree/v1) 和 [pyACA及ACA-Code](https://codeocean.com/capsule/4376558/tree/v1)。所有代码均遵循MIT许可证，便于用户在学术和商业项目中使用。为了确保软件的可移植性和兼容性，libACA使用C++编译器（如GCC、Clang或MSVC），而pyACA基于Python 3.x，并依赖numpy、scipy和matplotlib库；ACA-Code则要求Matlab V2016x及以上版本，采用其信号处理工具。 软件开发维护采用Git作为版本控制系统，提供了详细的开发文档和手册，可以在[libACA文档](alexanderlerch.github.io/libACA)，[pyACA文档](alexanderlerch.github.io/pyACA)和[ACA-Code文档](alexanderlerch.github.io/ACA-Code/)中找到。对于任何关于软件的问题或支持需求，用户可以联系info@audiocontentanalysis.org。 音频内容分析和音乐信息检索是一个快速发展领域，这些软件包正是为了满足研究人员、教师、软件工程师和系统设计师在解决实际问题和开发创新应用时的需求，它们为跨语言和跨平台的音频分析工作提供了实用的参考框架。通过使用这些工具，学习者和开发者可以更加高效地理解和实现音频分析技术，推动音乐信息检索领域的进步。