ReplayGain ML

项目目标

为本地音乐库提供一套可批量运行的音量平衡流程：既能分析单个文件，也能递归扫描目录，并在写入标签前通过 --dry-run 预览结果。

主要能力

• 支持 FLAC、MP3、OGG/OGA、MP4/M4A/M4B 的分析与标签写入，WAV 可进行分析。
• 使用 librosa、pyloudnorm 等工具提取音频与响度特征，并支持用本地 CSV 标签训练模型。
• 提供 LightGBM、XGBoost、scikit-learn 等机器学习依赖，训练结果可通过 joblib 模型供批处理脚本加载。
• 使用 Mutagen 修改音频元数据，不改动音频采样数据；Windows 用户可通过批处理文件运行。

安全边界

项目明确提示先备份音乐并使用预览模式。模型反映训练标签中的主观音量偏好，并不等同于标准 ReplayGain 扫描器的固定目标响度算法；pickle/joblib 模型也只应从可信来源加载。

项目采用 MIT 许可证开源。