投稿 提交工具 投放合作

KADTK:Kernel Audio Distance 音频评测工具包

音频语音 107 10 Python 上架 2026-11-13 在 GitHub 打开

实现 Kernel Audio Distance 指标的 Python 工具包与 CLI,用参考集与生成集的嵌入计算生成音频质量分数。

Kernel Audio Distance Toolkit(KADTK)提供 Kernel Audio Distance(KAD)的标准化实现,这是一种用于评估生成音频的无分布、无偏且计算高效的指标(对应 arXiv 论文 2502.15602)。工具包提供 CLI,自动提取嵌入并在参考集(如真实样本)与目标集(如生成音频)之间计算 KAD 分数。README 说明:核带宽取参考集嵌入间距离的中位数,因此交换参考集与目标集会得到不同数值;KAD 基于 MMD 的无偏有限样本估计,样本过少或两组分布接近时可能为负值,参考集应始终放置真实样本。支持 CLAP、MERT、VGGish、PANNs、OpenL3、PaSST、Encodec、DAC、CDPAM、Wav2vec 2.0、HuBERT、WavLM、Whisper 等多种嵌入模型,可选安装 cdpam、descript-audio-codec 增加支持;也可用 --fad 计算 Fréchet Audio Distance。基于 Python 3.10 与 TensorFlow(>=2.0)开发测试,提供嵌入与统计量缓存及强制重算选项。

Star 趋势2026-11-11 — 2026-11-13当前 Stars 107

10711-1111-1211-13