पायथन 2.7 492 बाइट्स (केवल बीट्स। एमपी 3)
इस उत्तर में धड़क रहा है की पहचान कर सकते हैं beats.mp3, लेकिन पर सभी नोटों की पहचान नहीं होगा beats2.mp3या noisy-beats.mp3। अपने कोड के विवरण के बाद, मैं विस्तार से बताऊंगा कि क्यों।
यह MP3 में पढ़ने के लिए PyDub ( https://github.com/jiaaro/pydub ) का उपयोग करता है । अन्य सभी प्रसंस्करण NumPy है।
गोल्फ कोड
फ़ाइल नाम के साथ एक एकल कमांड लाइन तर्क लेता है। यह एमएस में प्रत्येक बीट को एक अलग लाइन पर आउटपुट देगा।
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
अघोषित कोड
# 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
मुझे अन्य फ़ाइलों पर नोट्स क्यों याद आते हैं (और वे अविश्वसनीय रूप से चुनौतीपूर्ण क्यों हैं)
मेरा कोड नोटों को खोजने के लिए सिग्नल की शक्ति में परिवर्तन को देखता है। के लिए beats.mp3, यह वास्तव में अच्छी तरह से काम करता है। यह स्पेक्ट्रोग्राम दर्शाता है कि समय (एक्स अक्ष) और आवृत्ति (वाई अक्ष) पर बिजली कैसे वितरित की जाती है। मेरा कोड मूल रूप से y अक्ष को एक पंक्ति में ढहता है।
नेत्रहीन, यह देखना वास्तव में आसान है कि धड़कन कहां हैं। एक पीली लाइन है जो बार-बार बंद हो जाती है। मैं आपको यह सुनने के लिए प्रोत्साहित करता हूं कि beats.mp3जब आप यह देखते हैं कि यह कैसे काम करता है, तो आप स्पेक्ट्रोग्राम पर साथ चलते हैं।
आगे मैं जाऊंगा noisy-beats.mp3(क्योंकि यह वास्तव में आसान है beats2.mp3।
एक बार फिर, देखें कि क्या आप रिकॉर्डिंग के साथ-साथ अनुसरण कर सकते हैं। अधिकांश लाइनें बेहोश हैं, लेकिन फिर भी वहाँ हैं। हालांकि, कुछ स्थानों में, नीचे की स्ट्रिंग अभी भी बज रही है जब शांत नोट्स शुरू होते हैं। यह उन्हें विशेष रूप से कठिन बनाता है, क्योंकि अब, आपको उन्हें केवल आयाम के बजाय आवृत्ति (y अक्ष) में परिवर्तन द्वारा खोजना होगा।
beats2.mp3अविश्वसनीय रूप से चुनौतीपूर्ण है। यहां का स्पेक्ट्रोग्राम
पहले बिट में है, कुछ लाइनें हैं, लेकिन कुछ नोट वास्तव में लाइनों पर खून बह रहा है। नोटों की मज़बूती से पहचान करने के लिए, आपको नोटों की पिच (मौलिक और हार्मोनिक्स) को ट्रैक करना शुरू करना होगा और फिर देखना होगा कि वे कहाँ बदलते हैं। एक बार पहला बिट काम कर रहा है, दूसरा बिट टेम्पो दोगुना है!
मूल रूप से, इन सभी की पहचान करने के लिए, मुझे लगता है कि यह कुछ फैंसी नोट डिटेक्शन कोड लेता है। ऐसा लगता है कि डीएसपी वर्ग में किसी के लिए एक अच्छा अंतिम प्रोजेक्ट होगा।