@butterls 我没太理解你表达的技术描述，能说下业务需求或再次解释下吗

@chatWell1 swift 语言不熟悉，有熟悉这块和 C 桥接的同事可以推荐加入进来一起完善 iOS 端 swift 的支持。

@olderwang 收到，中文文档尽快上线。

@hzzheyang 非常好的建议，最近正在做这个事情

@whistle 项目 Release 中有 Android 端的 so 库，但 Android jni 这块我不熟，我会加入到项目后续计划里面，有兴趣意向的同学可以加入进来一起完善 Android jni 这块

@idlewater 大佬前端项目挺好的，已关注，支持优秀原创项目！

@gniviliving 幸运数字，非常感谢支持

@findex 感谢支持！

@airqj 必须的 ，老铁 666

@airqj 感谢建议，这个可以有，确实很爽，规划近期推出名强大的命令行工具，到时候使用上多提意见！

@bs10081 感谢支持！

@airqj “现在不都能边缘计算就边缘计算了嘛” ，这个理念非常好

aubio 也是音频领域比较知名的一个库，应该是 QueenMary 大学 C4DM 小组的作品，Chris Cannam 是这个领域的大神，我老师就读的这个大神的博士，他领导的 qm-dsp 是一个系统的 C 框架,可惜关注度不高, aubio 算是其一个简化版,，却打出一定名声，相应的 aubio 功能要简化很多，易用的命令行 API 确实方便很多人上手

@justwkj07 感兴趣而已，学的这个专业领域，接触相关信息较多一些。

@airqj 好想法，目前开源项目 Emscripten 支持把 C/C++编译成 WebAssembly ，我的项目核心部分都是 C 实现的，和系统平台无关，理论上更容易用 Emscripten 编译，不知道 web audio 领域应用场景如何，有感兴趣的大佬可以指导参与一起开发!

@StanWang 感谢支持。

首先，librosa 是一个非常好的音频特征库。很多做相关研究的也在用 librosa 做测试。

audioFlux 和 librosa 的区别在于：
1. audioFlux 更适合系统化和多维护特征提取与组合，可以灵活适用于各种研究和分析。
2. audioFlux 更高性能，核心部分全部使用 C 实现。使用 FFT 加速，更适合大规模数据的特征提取。（ librosa 全部使用 python 实现）
3. audioFlux 支持移动端，并满足移动端音频流的实时计算。

因为我在做移动端音频 MIR 相关的业务，所以特征提取的操作必须满足跨平台和高性能。

对于模型训练，当时我用 librosa 的方法提取 CQT 相关的特征，处理 10000 个样本数据需要 3 个小时时间！！真的太慢了。

性能比较也再 README 里提到了。在服务器和移动端分别做的测试-如下图
https://i.imgur.com/sY5Q4nd.png



再次感谢支持和关注，有兴趣可以加入到项目里一起做贡献。

@yzbythesea 哈哈 FBI Warning

@liufish 感谢大佬认可

[img]https://i.imgur.com/qN8BONM.png[/img]

https://i.imgur.com/qN8BONM.png