我有兴趣了解并编写一个系统，该系统将从音频文件（mp3，wav等）中提取功能，这些功能以后可用于任何目的。在未来，我希望用它来编写一些音乐相似度的软件。
是否有任何库可以提供帮助？我知道libxtract，但还没有使用它。
此外，是否有任何低级c / c ++库可以处理音频流？我根本就没有这方面的经验。
谢谢您的帮助，
埃里克
Marsyas是一个非常完整的框架，也提供音频特征提取。
它是用C ++编写的，并提供“修补”机制，允许您将预定义的组件插入到一起。
该框架附带了几个例子。
查看源代码以了解如何创建自定义提取器。
Marsyas附带的bextract命令行工具可以提取：
Marsyas支持多种平台，包括Windows，Linux和Mac OS X（我还看到一篇文章提到它也适用于iPhone）
为了完整起见，这是我所知道的选项：
Yaafe和libXtract可能是性能方面最优化的（参见下面的基准测试）。它们都在特征提取器之间共享中间计算。例如，它们每个窗口只运行一个FFT，然后任何需要FFT的提取器才会引用该FFT。更高级别的功能也是如此。提到的其他提取器并不真正这样做，因为它们依赖于插件架构 - 即每个提取器都需要独立。
Sonic Annotator和朋友可以从插件架构中受益，因此您可以享受各种第三方功能提取器（包括libXtract，aubio和Essentia）。 Vamp插件生态系统非常多样化和精彩。 Vamp Plugin SDK中有完整的示例代码，用于构建插件主机。
我对Essentia知之甚少，除了它比其他人更新，来自Pompeu Fabra的优秀音乐科技集团。这似乎是一个庞大而组织良好的项目。文档非常好。他们在大型音乐分析项目（如Freesound和AcousticBrainz）上使用它。项目重点似乎是性能和正确性。绝对值得一看。
MARSYAS是整个框架，而不仅仅是库。文档非常好。它正在积极开发中，并且是由George Tzanetakis在UVic定期提供的MOOC的一部分。似乎有很多围绕MARYSYAS构建的应用程序和项目。
CAMEL，Maaate和FEAPI似乎处于休眠状态 - 分别于2010年，2012年和2013年未发布新版本。
这是一个基准（以秒为单位）比较Sonic Annotator，Marsyas和YAAFE在40小时的32 KHz单声道wav文件上进行特征提取：
S.A. Marsyas YAAFE
MFCC 1506 1168 142
Centroid 724 942 235
Rolloff 731 951 194
ZCR 221 620 57
Total 3182 3681 628
值得注意的是，您可以从C ++运行Matlab代码，这开启了使用的可能性：
2015年还有一个有趣的调查或特征提取器，包含有关性能，功能，生态系统等的大量信息：
还有libxtract，它提供了一整套50多种音频功能，专为实时使用而设计。它是一个具有最小依赖性的“精益”库，并为Python和Java提供绑定。还有一个“外部对象”，它使纯数据实时计算机音乐环境中的libxtract功能可用。
libxtract的规范参考是this paper。
虽然这是一个非常古老的帖子，但也许有人会在谷歌搜索后到达这里。现在有一些非常好的工具包可用于音频分析：
首先，阅读有关FFT和数字信号处理的内容。接下来，获得一本关于语音识别的教科书，因为它基于你想要做的事情 - 语音识别引擎从音频中提取“特征”以确定所说的内容。
我发现Cepstral Coefficients在机器学习意义上具有很好的“特性”。
看看网站http://www.audiocontentanalysis.org/。在“软件”部分下，您将找到包含与音频信号处理，特征提取和音乐信息检索相关的不同库的列表。此外，网站（及其书籍）似乎是深入了解整个主题的一个非常好的起点。