Python 2.7 492 bajtów (tylko beats.mp3)
Ta odpowiedź może zidentyfikować uderzenia beats.mp3, ale nie zidentyfikuje wszystkich notatek na beats2.mp3lub noisy-beats.mp3. Po opisie mojego kodu omówię szczegółowo, dlaczego.
To używa PyDub ( https://github.com/jiaaro/pydub ) do odczytu w MP3. Wszelkie inne przetwarzanie odbywa się za pomocą NumPy.
Kod do gry w golfa
Bierze pojedynczy argument wiersza poleceń o nazwie pliku. Będzie generować każdy beat w ms w osobnej linii.
import sys
from math import *
from numpy import *
from pydub import AudioSegment
p=square(AudioSegment.from_mp3(sys.argv[1]).set_channels(1).get_array_of_samples())
n=len(p)
t=arange(n)/44.1
h=array([.54-.46*cos(i/477) for i in range(3001)])
p=convolve(p,h, 'same')
d=[p[i]-p[max(0,i-500)] for i in xrange(n)]
e=sort(d)
e=d>e[int(.94*n)]
i=0
while i<n:
if e[i]:
u=o=0
j=i
while u<2e3:
u=0 if e[j] else u+1
#u=(0,u+1)[e[j]]
o+=e[j]
j+=1
if o>500:
print "%g"%t[argmax(d[i:j])+i]
i=j
i+=1
Kod niepoznany
# Import stuff
import sys
from math import *
from numpy import *
from pydub import AudioSegment
# Read in the audio file, convert from stereo to mono
song = AudioSegment.from_mp3(sys.argv[1]).set_channels(1).get_array_of_samples()
# Convert to power by squaring it
signal = square(song)
numSamples = len(signal)
# Create an array with the times stored in ms, instead of samples
times = arange(numSamples)/44.1
# Create a Hamming Window and filter the data with it. This gets rid of a lot of
# high frequency stuff.
h = array([.54-.46*cos(i/477) for i in range(3001)])
signal = convolve(signal,h, 'same') #The same flag gets rid of the time shift from this
# Differentiate the filtered signal to find where the power jumps up.
# To reduce noise from the operation, instead of using the previous sample,
# use the sample 500 samples ago.
diff = [signal[i] - signal[max(0,i-500)] for i in xrange(numSamples)]
# Identify the top 6% of the derivative values as possible beats
ecdf = sort(diff)
exceedsThresh = diff > ecdf[int(.94*numSamples)]
# Actually identify possible peaks
i = 0
while i < numSamples:
if exceedsThresh[i]:
underThresh = overThresh = 0
j=i
# Keep saving values until 2000 consecutive ones are under the threshold (~50ms)
while underThresh < 2000:
underThresh =0 if exceedsThresh[j] else underThresh+1
overThresh += exceedsThresh[j]
j += 1
# If at least 500 of those samples were over the threshold, take the maximum one
# to be the beat definition
if overThresh > 500:
print "%g"%times[argmax(diff[i:j])+i]
i=j
i+=1
Dlaczego brakuje mi notatek na temat innych plików (i dlaczego są one niewiarygodnie trudne)
Mój kod sprawdza zmiany mocy sygnału w celu znalezienia notatek. Bo beats.mp3to działa naprawdę dobrze. Ten spektrogram pokazuje rozkład mocy w czasie (oś x) i częstotliwości (oś y). Mój kod w zasadzie zwija oś y do pojedynczej linii.
Wizualnie bardzo łatwo jest zobaczyć, gdzie są uderzenia. Jest żółta linia, która zwęża się raz za razem. Gorąco zachęcam do słuchania beats.mp3podczas śledzenia spektrogramu, aby zobaczyć, jak to działa.
Następnie przejdę do noisy-beats.mp3(bo to w rzeczywistości jest łatwiejsze niż beats2.mp3..
Jeszcze raz sprawdź, czy możesz śledzić wraz z nagrywaniem. Większość linii jest słabsza, ale nadal tam jest. Jednak w niektórych miejscach dolna struna nadal dzwoni, gdy zaczynają się ciche dźwięki. To sprawia, że znalezienie ich jest szczególnie trudne, ponieważ teraz musisz je znaleźć na podstawie zmian częstotliwości (oś y), a nie tylko amplitudy.
beats2.mp3jest niezwykle trudny. Oto spektrogram
W pierwszym bicie są pewne linie, ale niektóre nuty naprawdę krwawią nad liniami. Aby niezawodnie zidentyfikować nuty, musisz zacząć śledzić wysokość tonów (podstawowe i harmoniczne) i sprawdzać, gdzie się one zmieniają. Gdy pierwszy bit działa, drugi bit jest dwa razy trudniejszy niż tempo podwojenia!
Zasadniczo, aby niezawodnie zidentyfikować je wszystkie, myślę, że wymaga trochę wymyślnego kodu wykrywania notatek. Wydaje się, że byłby to dobry końcowy projekt dla kogoś z klasy DSP.