音频分类器 (Audio Classifier)

这是一个使用Google Gemini API对音频文件进行分析和分类的工具。

中文 | English

功能

• 扫描指定目录及其子目录中的所有支持的音频文件
• 使用Gemini AI分析每个音频文件的内容
• 为每个音频生成内容描述、使用场景和标签
• 将分析结果保存到Excel文件中
• 支持API请求限制处理，自动等待并重试

支持的音频格式

• MP3 (.mp3)
• WAV (.wav)
• M4A (.m4a)
• FLAC (.flac)
• AAC (.aac)
• OGG (.ogg)

安装依赖

你可以使用以下命令一次性安装所有依赖：

pip install -r requirements.txt

或者手动安装各个依赖：

pip install pandas google-generativeai tqdm openpyxl

使用方法

python audio_classifier.py --directory "音频文件目录" --api_key "您的Gemini API密钥" [--output "输出文件路径"] [--max_retries 重试次数] [--retry_delay 等待秒数] [--proxy "代理服务器地址"]

参数说明

• --directory, -d: 音频文件目录路径（必需）
• --api_key, -k: Gemini API密钥（必需）
• --output, -o: 输出Excel文件路径（可选，默认为当前目录下的audio_classification_results.xlsx）
• --max_retries, -r: API请求失败时的最大重试次数（可选，默认为60）
• --retry_delay, -t: API请求失败后重试的等待时间，单位为秒（可选，默认为60）
• --category_dir, -c: 分类后的音频文件存放目录（可选，默认为当前目录下的"分类音频"文件夹）
• --proxy, -p: HTTP/HTTPS代理服务器地址（可选，格式如：http://127.0.0.1:7890）
• --model, -m: 使用的Gemini模型名称（可选，默认为gemini-2.0-flash-001）

代理设置说明

如果您在访问Gemini API时需要使用代理，可以通过--proxy参数指定代理服务器地址。代理地址格式应为完整的URL，包括协议（http或https）、主机名和端口号，例如：

python audio_classifier.py --directory "音频文件目录" --api_key "您的Gemini API密钥" --proxy "http://127.0.0.1:7890"

该设置将同时应用于HTTP和HTTPS请求。

输出文件

程序会在指定的输出路径（或默认路径）生成一个Excel文件，包含以下信息：

• 音频文件路径
• 分类后路径（音频文件分类后的新位置）
• 主分类（从标签中提取的主要分类）
• 音频内容描述
• 使用场景建议
• 标签列表
• 失败原因（如果有）

注意：如果未指定输出文件的绝对路径，Excel文件将保存在当前工作目录下。程序运行完成后会在控制台显示输出文件的完整路径。

错误处理

• 当API请求超出配额限制时，程序会自动等待指定时间后重试
• 如果重试后仍然失败，会继续等待并重试，直到成功或达到最大重试次数
• 所有错误和警告都会记录在audio_classifier.log文件中