经典的深度学习网络AlexNet使用数据扩充（Data Augmentation）的方式扩大数据集，取得较好的分类效果。在深度学习的图像领域中，通过平移、 翻转、加噪等方法进行数据扩充。但是，在音频（Audio）领域中，如何进行数据扩充呢？
音频的 数据扩充 ，主要有以下四种方式：
- 音频剪裁（Clip）
- 音频旋转（Roll）
- 音频调音（Tune）
- 音频加噪（Noise）
音频解析基于librosa音频库；矩阵操作基于scipy和numpy科学计算库。
以下是Python的实现方式：
音频剪裁
import librosafrom scipy.io import wavfile
y, sr = librosa.load("../data/love_illusion.mp3") # 读取音频print y.shape, sr
wavfile.write("../data/love_illusion_20s.mp3", sr, y[20 * sr:40 * sr]) # 写入音频
音频旋转
import librosaimport numpy as npfrom scipy.io import wavfile
y, sr = librosa.load("../data/raw/love_illusion_20s.mp3") # 读取音频y = np.roll(y, sr*10)print y.shape, sr
wavfile.write("../data/raw/xxx_roll.mp3", sr, y) # 写入音频
音频调音，注：cv库的resize函数含有插值功能。
import cv2import librosafrom scipy.io import wavfile
y, sr = librosa.load("../data/raw/love_illusion_20s.mp3") # 读取音频ly = len(y)
y_tune = cv2.resize(y, (1, int(len(y) * 1.2))).squeeze()
lc = len(y_tune) - ly
y_tune = y_tune[int(lc / 2):int(lc / 2) + ly]print y.shape, sr
wavfile.write("../data/raw/xxx_tune.mp3", sr, y_tune) # 写入音频
音频加噪，注：在添加随机噪声时，保留0值，否则刺耳难忍！
import librosafrom scipy.io import wavfileimport numpy as np
y, sr = librosa.load("../data/raw/love_illusion_20s.mp3") # 读取音频wn = np.random.randn(len(y))
y = np.where(y != 0.0, y + 0.02 * wn, 0.0) # 噪声不要添加到0上！print y.shape, sr
wavfile.write("../data/raw/love_illusion_20s_w.mp3", sr, y) # 写入音频
素材来源网络：侵删
