音频领域特定语言与Python
我想写一些代码来进行声学分析，现在在考虑用什么工具比较合适。通常我会用Python来写这类代码，配合numpy和scipy，可能还会用Cython来处理分析部分。不过我发现Python的音频库有点乱，很多包功能有限，而且开发状态各不相同。
我还遇到了一些专门用于音频/声学的语言，比如SuperCollider、Faust等，这些语言似乎能让音频处理变得简单，但在输入输出和分析能力上可能会有一些限制。
我现在在Linux系统上工作，默认安装了Alsa和PulseAudio。我希望尽量不使用其他各种音频包，比如Jack，虽然这不是绝对的要求。
我主要想知道的是，是否有一种专门的语言可以更快地进行原型设计和测试，还是像Python这样的通用语言更合适。谢谢。
3 个回答
我不太确定你想要做什么，但我可以给你一个额外的建议：可以试试用Common Lisp来编写脚本。如果你正在做的事情涉及很多频谱分析，那么你可以在Spear里完成大部分的工作，然后用Common Lisp和Common Music来编写相关的脚本。Spear在编辑一些特定的音频成分方面有很棒的工具。
SuperCollider有很多支持这类功能的工具，可以作为外部插件或者Quarks使用。不过，具体要看你想做什么。如果你只是想检测事件，Onsets.kr就可以了。如果你想获取频率或音高的信息，Pitch或者Tartini都可以用（我觉得Tartini更准确）。如果你想追踪音量，可以用Amplitude.ar加上一些简单的数学运算。
类似的，还有SpecCentroid.kr（用于一种亮度分析）、Loudness.kr、SpecFlatness.kr等等。
这些都是比较通用的，还有很多其他的工具（JoshUGens这个外部插件包里有一些有趣的与FFT相关的声学工具）。所以我建议你下载这个程序，加入邮件列表（如果你有更多问题），邮件列表可以在这里找到，顺便看看Externals、Quarks和Standard UGens。
不过，由于我不太清楚你具体想做什么，所以不能给出比上面更具体的建议。我觉得去使用SC会更合理，而不是从头开始用Python自己写所有工具。
我在SuperCollider和Python（有用Numpy和没有用Numpy的）方面有很多经验。我做了很多音频分析，不过我担心答案会根据你想做的事情而不同。
如果你想创建可以实时输入或输出音频的系统，那么Python就不太合适了。你提到的音频输入输出库有点不稳定。而且，Python的垃圾回收机制并不是专门为实时处理设计的。你应该使用一个从一开始就为实时处理设计的系统。SuperCollider在这方面表现不错，正如caseyanderson提到的，音频分析的一些基本构件就在这里。还有其他环境也可以选择。
如果你想做一些比较复杂的工作，比如应用各种机器学习算法，而不一定要实时处理（也就是说，如果你可以处理WAV文件而不是实时音频），那么你应该使用一种通用的编程语言，这种语言有广泛的支持和良好的库生态系统，以满足你想要的额外功能。使用Python配合像numpy和scikits-learn这样的库在这方面效果很好。这种方式适合快速原型开发，但它不仅缺乏稳定的实时音频处理，而且标准的音频构件也少得多。这两点在你构建音频处理流程时会成为重要的障碍。
所以，你在这两种选择之间左右为难。根据你的应用需求，你可能可以将两者结合起来，在实时环境中处理音频输入输出，同时使用OSC消息或shell脚本与外部的Python进程进行通信。这里的限制是，你不能在两者之间随意传输大量数据（把所有音频数据传输到另一个进程是没意义的，那样做太傻了）。