पायथन 3 - आंशिक समाधान ( 760 742 734 710 705 657 वर्ण)
(अंतिम संपादन; मैं वादा करता हूँ)
यह वास्तव में, सुंदर, बहुत कठिन समस्या की तरह लगता है (विशेषकर यह पहचानना कि नोट कहां से शुरू होते हैं या समाप्त होते हैं)। संगीत का स्वचालित ट्रांसक्रिप्शन एक खुले शोध विषय की तरह लगता है (यह नहीं कि मैं इसके बारे में कुछ भी जानता हूं)। तो यहाँ एक आंशिक समाधान है जो किसी भी नोट विभाजन को नहीं करता है (जैसे कि यह "ट्विंकल" को एक ही बार में प्रिंट करता है जब यह आवृत्ति सुनता है) और शायद केवल उस विशिष्ट ओग फ़ाइल के लिए काम करता है:
A=-52
F=44100
C=4096
import pyaudio as P
import array
import scipy.signal as G
import numpy as N
import math
L=math.log
i=0
j=[9,2,0,2,4,5,7,9]
k=[2,4,5,7]
n=j+k+k+j
w="Twinkle, |twinkle, |little |star,\n|How I |wonder |what you |are.\n|Up a|bove the |world so |high,\n|Like a |diamond |in the |sky.\n".split('|')
w+=w[:8]
e=P.PyAudio().open(F,1,8,1,0,None,0,C)
while i<24:
g=array.array('h',e.read(C));b=sum(map(abs,g))/C
if b>0 and 20*L(b/32768,10)>A:
f=G.fftconvolve(g,g[::-1])[C:];d=N.diff(f);s=0
while d[s]<=0:s+=1
x=N.argmax(f[s:])+s;u=f[x-1];v=f[x+1]
if int(12*L(((u-v)/2/(u-2*f[x]+v)+x)*F/C/440,2))==n[i]+15:print(w[i],end='',flush=1);i+=1
ये आवश्यक...
अपने माइक्रोफ़ोन के आधार पर शीर्ष लाइन पर ए = -52 (न्यूनतम आयाम) बदलें, परिवेशी ध्वनि के अनुसार, गाना कितना जोर से बज रहा है, आदि। मेरे माइक्रोफोन पर, -57 से कम समय में बहुत अधिक बाहरी शोर लगता है। और -49 से अधिक की आवश्यकता है कि आप इसे बहुत जोर से बजाएं।
यह बहुत अधिक गोल्फ हो सकता है; मुझे यकीन है कि विशेष रूप से शब्द सरणी पर वर्णों के एक समूह को बचाने के तरीके हैं। यह अजगर में मेरा पहला गैर-तुच्छ कार्यक्रम है, इसलिए मैं अभी तक भाषा से बहुत परिचित नहीं हूं।
मैंने https://gist.github.com/endolith/255291 से ऑटोक्रॉलेशन के माध्यम से आवृत्ति का पता लगाने के लिए कोड चुराया
Ungolfed:
import pyaudio
from array import array
import scipy.signal
import numpy
import math
import sys
MIN_AMPLITUDE = -52
FRAMERATE = 44100
def first(list):
for i in range(len(list)):
if(list[i] > 0):
return i
return 0
# Based on: https://en.wikipedia.org/wiki/Decibel#Acoustics
def getAmplitude(sig):
total = 0;
elems = float(len(sig))
for x in sig:
total += numpy.abs(x) / elems
if(total == 0):
return -99
else:
return 20 * math.log(total / 32768., 10)
# Based on: https://en.wikipedia.org/wiki/Piano_key_frequencies
def getNote(freq):
return int(12 * math.log(freq / 440, 2) + 49)
# --------------------------------------------------------------------------
# This is stolen straight from here w/ very slight modifications: https://gist.github.com/endolith/255291
def parabolic(f, x):
return 1/2. * (f[x-1] - f[x+1]) / (f[x-1] - 2 * f[x] + f[x+1]) + x
def getFrequency(sig):
# Calculate autocorrelation (same thing as convolution, but with
# one input reversed in time), and throw away the negative lags
corr = scipy.signal.fftconvolve(sig, sig[::-1], mode='full')
corr = corr[len(corr)/2:]
# Find the first low point
diffs = numpy.diff(corr)
# Find the next peak after the low point (other than 0 lag). This bit is
# not reliable for long signals, due to the desired peak occurring between
# samples, and other peaks appearing higher.
# Should use a weighting function to de-emphasize the peaks at longer lags.
start = first(diffs)
peak = numpy.argmax(corr[start:]) + start
return parabolic(corr, peak) * (FRAMERATE / len(sig))
# --------------------------------------------------------------------------
# These are the wrong keys (ie it is detecting middle C as an A), but I'm far too lazy to figure out why.
# Anyway, these are what are detected from the Wikipedia .ogg file:
notes = [73, 66, 64, 66, 68, 69, 71, 73, 66, 68, 69, 71, 66, 68, 69, 71 ]
words = ["Twinkle, ", "twinkle, ", "little ", "star,\n", "How I ", "wonder ", "what you ", "are.\n", "Up a", "bove the ", "world so ", "high,\n", "Like a ", "diamond ", "in the ", "sky.\n"]
notes += notes[:8]
words += words[:8]
pa = pyaudio.PyAudio()
stream = pa.open(format=pyaudio.paInt16, channels = 1, rate = FRAMERATE, input = True, frames_per_buffer = 4096)
idx = 0
while(idx < len(notes)):
# Read signal
sig = array('h', stream.read(4096))
if(getAmplitude(sig) > MIN_AMPLITUDE):
note = getNote(getFrequency(sig))
if(note == notes[idx]):
sys.stdout.write(words[idx])
sys.stdout.flush()
idx += 1