Skip to main content
 首页 » 编程设计

python之如何将 librosa 生成的色谱图文件解释为一组音乐键

2024年11月24日17cmt

我有一个色度特征文件 here .如何将这些数字解释为属于不同的音乐键?我需要使用在特定时间代码中找到的 key 来生成类似于 this 的解决方案为了混合两个音轨。如何将这些数字解释为正在播放的总键以及如何跳到特定时间码以获得给定键?

我已经尝试按照描述获取色度 here ,但输出只是数字而不是音符。我需要将特定时间代码的音乐解释为属于正在播放的单个键。

请您参考如下方法:

librosa.feature.chroma_stft返回色度谱图(或色谱图)。它的形状为 (12, n_frames)。 Octave 音阶中的 12 个半音中的每一个半音为 12 C,C#,D..., B .色度谱图中的每个 bin 代表该半音(跨越所有 Octave 音阶)的平均能量。

n_frames 是频谱图中时间帧的数量。每帧是hop_length/sr秒长,sr是加载的音频文件的采样率(可能重新采样)。因此,要转到此频谱图中以秒为单位的给定时间,请计算 frame_no = int(time / (hop_length/sr)) .

音乐键

从色度谱图到音乐调(A 小调或 F 大调的音乐)可以通过受监督的机器学习来完成。分类器将在色度谱图的短时间窗口(比如 1-10 秒)上进行训练,以便对主音(12 类,C-B)和模式(小调、大调)进行分类。

有关示例,请参阅论文 Detecting Musical Key with Supervised Learning罗伯特·马修 (2016)。