أدى الزيادة السريعة والأسيّة في كم البيانات إلى خلط مفاجئ لأنواع مختلفة من البيانات، مما أدى إلى نقص في المعلومات المفيدة. يُقدَّم في هذه الورقة إنشاء بيانات جديدة باستخدام الأنواع المختلفة المتوفرة من البيانات. وتعني عملية التضخيم إضافة بيانات إضافية إلى مجموعة البيانات أو تعديلها. تُجرى أنواع عديدة من التضخيم على مجموعات بيانات مختلفة. ويُستخدم التضخيم على نطاق واسع في مراحل ما قبل المعالجة المتعددة في سلاسل معالجة التعلم الآلي المتنوعة. تم تطوير العديد من المكتبات أو الحزم الخاصة بالمضخّمات، وتُعرف بـ "مكتبات التضخيم". وتوفر كل مكتبة سمات بارزة مختلفة. تسعى هذه الورقة إلى تحسين المكتبة بحيث تصبح مكتبة AugStatic أكثر خفة وكفاءة. إذ تُعدّ AugStatic مكتبة مخصصة للتكبير الصوتيّات، تتميز بتكاليف حوسبة أقل، وسمات بارزة أكثر تفوقًا مقارنةً بالمكتبات الأخرى للتكبير الصوتيّات. ويمكن استخدام هذا الإطار أيضًا مع مصفوفات NumPy والمشغلات (tensors).