AudioMAE-pytorch

用掩码自编码器预训练音频模型，轻松提取通用音频特征

AudioMAE-pytorch 是掩码自编码器（Masked Autoencoder）在音频领域的非官方 PyTorch 实现，基于论文《Masked Autoencoders that Listen》。该项目旨在解决音频表示学习中的自监督预训练问题，通过随机掩蔽音频频谱图的部分区域，并训练模型重建缺失部分，从而学习到通用的音频特征。核心能力包括：支持音频频谱图输入、灵活的掩蔽策略、基于 Transformer 的编码器-解码器架构，以及用于下游任务（如分类）的微调接口。项目代码结构清晰，依赖 PyTorch 和 torchaudio，方便研究者复现实验或在此基础上进行扩展。虽然目前处于早期阶段，但为音频自监督学习提供了可运行的参考实现。

开源 free 音频音乐

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 71

维护状态低维护

是否开源是

定价模式 free

项目数据

分类音频音乐

开发团队rishikksh20

所属国家

官网地址

GitHubhttps://github.com/rishikksh20/AudioMAE-pytorch

定价模式free

价格说明开源项目，MIT许可证，完全免费，可自行部署使用。

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型autoencoder,masked-autoencoder,self-supervised-learning,speech,speech-synthesis,tts

GitHub 星标★ 71

30天Star增速

HF 下载量

上线时间2022-08-05 00:00:00

最近更新2026-02-09 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数5

使用教程

核心亮点

直接复现论文核心架构，代码简洁易读，适合学习研究
支持自定义掩蔽比例和策略，灵活适配不同实验需求
基于 PyTorch 生态，与 torchaudio 无缝集成，上手门槛低

不足之处

文档/社区待观察
未提供预训练权重，需自行训练，资源消耗较大

适用场景

学术研究：复现 AudioMAE 论文实验，探索音频自监督方法
特征提取：为音频分类、事件检测等任务生成预训练特征
教学示例：作为掩码自编码器在非视觉领域的入门案例

替代项目

MAE-pytorch (视觉掩码自编码器)、AudioMAE (官方实现)、S3PRL (自监督语音表示学习工具包)

项目介绍

AudioMAE-pytorch 是音频音乐领域的开源项目，由 rishikksh20 开发，2022 年首次发布。

它收录于音频音乐分类，该分类目前共有 738 个项目，GitHub 星标数为 71。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-02-09。MIT许可证，完全免费，可自行部署使用。

它主要面向的使用场景是：学术研究：复现AudioMAE论文实验，探索音频自监督方法。同类可对比的替代方案包括 MAE-pytorch (视觉掩码自编码器)、AudioMAE (官方实现)、S3PRL (自监督语音表示学习工具包)。

上一篇：SyntaSpeech

下一篇：midi2voice