aubio有办法检测音频中缺少音调元素的部分吗？我测试了一首一开始有16秒节奏的音乐，但所有的aubiopitch和aubionotes算法似乎都能在节奏部分检测到音调。它能以某种方式被调谐以区分音调和非音调的开始吗？或者有没有相关的图书馆可以做到这一点？
过去几天一直很忙，但今天开始调查。。。
我想这需要一段时间才能完善，但我想我会给你一些想法和一些我已经开始研究的代码来攻击它！
首先，伪代码是设计初始方法的好方法。
1/使用import matplotlib.pyplot as plt对音频进行频谱分析，绘制各种fft和音频信号。
2/CCD_ 2，用于基本的类阵列结构处理。
(我知道这不仅仅是伪代码，但嘿：-(
3/plt.specgram创建音频的频谱图。除了它创建的图像(可以用来开始手动解构音频文件(外，它还返回4个结构。
例如
ffts,freqs,times,img = plt.specgram(signal,Fs=44100)
ffts是二维阵列，其中列是时间段(行(的ffts(快速傅立叶变换(。
普通的specgram分析256个样本长的时间段，每次前进128个样本。
这以相当快的速率提供了非常低分辨率的频率阵列。
当以或多或少10赫兹的频率播放时，音符会合并为一个声音，我决定使用specgram选项将音频划分为4096个样本长度(约10赫兹(，每2048个样本(即每秒20次(前进一步。
这提供了一个不错的频率分辨率，并且相隔20秒的时间段比人们感知单个音符的速度更快。
这意味着按如下方式调用specgram：
plt.specgram(signal,Fs=44100,NFFT=4096,noverlap=2048,mode='magnitude')
(注意模式-这似乎给了我0-0.1之间的振幅：我有一个问题，fft没有给我与音频信号相同的振幅(你可能已经看到我发布的问题(。但我们来了。。。
4/接下来，我决定清除返回的ffts中的噪声。这意味着我们可以专注于幅度适中的freqs，并消除ffts中始终存在的噪声(根据我的经验(。
这是我的功能：
def gate(signal,minAmplitude):
return np.array([int((((a-minAmplitude)+abs(a-minAmplitude))/2) > 0) * a for a in signal])
看起来有点疯狂——我相信一个称职的数学家可以想出更有效的方法——但这是我能发明的最好的方法。它将幅度小于minAmplitude的任何频率归零。
这是从plt.specgram返回的ffts调用它的相关代码，如下所示，我的函数更为复杂，因为它是类的一部分，并且有它引用的其他函数-但这应该足够了：
def fft_noise_gate(minAmplitude=0.001,check=True):
'''
zero the amplitudes of frequencies
with amplitudes below minAmplitude
across self.ffts
check - plot middle fft just because!
'''
nffts = ffts.shape[1]
gated_ffts = []
for f in range(nffts):
fft = ffts[...,f]
# Anyone got a more efficient noise gate formula? Best I could think up!
fft_gated = gate(fft,minAmplitude)
gated_ffts.append(fft_gated)
ffts = np.array(gated_ffts)
if check:
# plot middle fft just to see!
plt.plot(ffts[int(nffts/2)])
plt.show(block=False)
return ffts
这应该会给你一个开始——我仍在努力，当我有进一步的想法时会给你回复——但如果你有任何想法，请分享。
无论如何，我的策略是：
1/找到峰值(任何声音的开始(，然后2/寻找一致上升和下降的频率范围。
和
3/将它们区分为单独的乐器(更具体地说是声源(，并绘制其时间和振幅，以创建您的分析(分数(。
希望你玩得开心——我知道我是。
正如我所说的任何想法。。。
问候
Tony
使用频谱分析仪检测具有高振幅的部分。如果你编程，你可以取每个部分，对出现的频率(和振幅(求平均值，让你了解创建振幅峰值所涉及的仪器。
希望这能有所帮助——如果你正在使用python，我可以给你一些如何编程的建议！？
问候
Tony