我做了很多谷歌搜索，但找不到一个关于如何确定 mp3 文件的音符的例子。
到目前为止，我已经阅读了一些关于 FFT（快速傅立叶变换）的内容，可以从中计算音频文件的音高，并根据音高符号导出音符。
但是后来我读到mp3 文件格式在时域中，由于有损压缩格式不包含频率分析所需的样本值……这是否意味着您必须将 mp3 转换为 wav文件以计算密钥？
我发现了几个用于视觉目的的实时音高检测示例，但不适用于分析整个 mp3 文件并输出音乐键。
我希望有人能指出我正确的方向。
谢谢。
问问题
2263 次
1 回答
5
我创建了一个应用程序 PitchScope Player，它可以实时对 MP3 文件进行音高检测，其完整的源代码发布在 GitHub 上，但它是用 C++ 编写的。音高检测和音调检测，尤其是实时检测，要求极高，可能需要 C++ 的速度才能在此时执行。您刚刚开始探索一项非常困难的音频工程任务，并且确实需要首先了解我们如何感知“音高”、“谐波”是什么的物理学背景，并探索如何制作频率的选择- 原始信号的域变换（参见下面的维基百科链接）。
当在钢琴上按下一个键时，我们听到的不仅仅是一个声音振动频率，而是在不同数学相关频率上发生的多个声音振动的复合。这种不同频率的振动复合的元素被称为谐波或分音。例如，如果我们按下钢琴上的中间 C 键，复合谐波的各个频率将从 261.6 Hz 作为基频开始，523 Hz 将是 2 次谐波，785 Hz 将是 3 次谐波，1046 Hz 将是 4 次谐波等。后面的谐波是基频 261.6 Hz 的整数倍（例如：2 x 261.6 = 523、3 x 261.6 = 785、4 x 261.6 = 1046）。我们检测音高通过寻找在频率间隔中具有这种数学关系的谐波组。
我没有使用 FFT，而是使用修改后的对数 DFT 变换，以便其频率通道可以与音乐信号中谐波的位置对齐。对数 DFT 变换还在执行中提供了明显的速度优势。
一旦您检测到音乐信号中的多个音高，您就可以通过根据该音乐信号中的成员音符数量对 12 个不同的候选键进行评分来检测音乐键。我的另一个应用 PitchScope Navigator 也可以实时检测音调。
您可能想要获得一个 C++ 编译器并重新编译我的源代码，以便您可以逐步执行它以了解我的算法是如何工作的。它还将解码 MP3 文件。您还可以从网络上的许多地方下载该应用程序的可执行文件 PitchScope Player，以查看它在带有您选择的 MP3 文件的 Windows 机器上的执行情况。
https://github.com/CreativeDetectors/PitchScope_Player
https://en.wikipedia.org/wiki/Transcription_(music)#Pitch_detection
下面是对数 DFT（由我的 C++ 软件创建）在复调 mp3 录音中吉他独奏 3 秒的图像。它显示了演奏独奏时吉他上各个音符的谐波如何出现。对于这个对数 DFT 上的每个音符，我们可以看到它的多个谐波垂直延伸，因为每个谐波将具有相同的时间宽度。
于 2016-09-10T18:02:43.453 回答