-1

所以，我正在尝试重新制作 Vib 功能区：http ://www.youtube.com/watch?v=ehdymXc0epY 输入将是一个 .wav 文件，我对如何分析和创建它一无所知音量和音高的阈值会产生不同的障碍 - 我被指出傅里叶变换，我不明白。有人可以向我指出适用于这种情况的波形分析课程并让我知道如何开始吗？我一直无法获得诸如 AudioSurf 和音乐可视化器之类的源代码。

为什么是java，你可能会问？我正在学习 Java 入门课程，因此没有其他语言可以使用。

4

2 回答 2

1

您可以编写一个 Praat 脚本（Praat 可在此处下载）来生成包含您需要的信息的输出文件，然后使用您的 java 程序读取该 txt 文件。

可能还有外部库，就像@Gareth 说的那样。

于 2012-07-27T15:24:05.600 回答
0

我最终为此使用了声音查看器工具，尽管使用的是另一种语言（Python）和另一个类项目。如果将以下内容添加到 svt.py：

def processWav(filename, channel):
    """
    filename: path to a wav file
    Channel: 1 for left, 2 for right
    Returns centroids, frequencies, volumes
    """
    #open file
    audio_file = audiolab.sndfile(filename, 'read')
    #should be length of audiofile in seconds * 60. will fix this later
    import contextlib
    import wave
    with contextlib.closing(wave.open(filename, 'r')) as f:
        frames = f.getnframes()
        rate = f.getframerate()
        duration = frames / float(rate)
    duration *= 30 #30 data points for every second of audio yay
    duration = int(duration) #can only return an integer number of frames so yeah
    #print duration
    #Not really samples per pixel but I'll let that slide
    samples_per_pixel = audio_file.get_nframes() / float(duration)
    #some rule says this frequency has to be half of the sample rate
    nyquist_freq = (audio_file.get_samplerate() / 2) + 0.0
    #fft_size stays 4096
    processor = AudioProcessor(audio_file, 2048, channel, numpy.hanning)

    centroids = []
    frequencies = []
    volumes = []

    for x in range(duration):
        seek_point = int(x * samples_per_pixel)
        next_seek_point = int((x + 1) * samples_per_pixel)
        (spectral_centroid, db_spectrum) = processor.spectral_centroid(seek_point)
        peaks = processor.peaks(seek_point, next_seek_point)      
        centroids.append(spectral_centroid)
        frequencies.append(db_spectrum)
        volumes.append(peaks)

    #print "Centroids:" + str(centroids)
    #print "Frequencies:" + str(frequencies)
    #print "Volumes:" + str(volumes)

    #convert volumes[] from peaks to actual volumes
    for i in range(len(volumes)):
        volumes[i] = abs(volumes[i][0]) + abs(volumes[i][1])
    #round frequencies to save resources
    for i in range(len(frequencies)):
        for j in range(len(frequencies[i])):
            frequencies[i][j] = round(frequencies[i][j], 4)
    return centroids, frequencies, volumes

使用 wav 文件可以轻松完成分析。质心代表音乐的音色——频率的加权平均值，它们表示任何时间点的整体亮度。

这里的第一个答案对我理解 FFT/信号处理/数字声音表示有很大帮助。

于 2013-01-22T20:56:06.673 回答