问题标签 [pitch-tracking]

我有一个样本保存在 DirectX 的缓冲区中。它是从乐器演奏和捕捉的音符样本。如何分析样本的频率（就像吉他调音器一样）？我相信涉及 FFT，但我没有指向 HOWTO。

是否有任何免费软件工具或组合可以让我识别录制的演唱会的音高？

这个想法是在时间线上显示某种带有当前音高的图表以及标准音符（C3、C#3、D 等）的标记。我不需要音高校正，也不需要实时完成。

我知道曾经有一个 Rosegarden 插件可以做到这一点，但它已经丢失了。

印度 IIT-Bombay 有一个科技节，他们在那里举办了一个名为“Artbots”的活动，我们应该设计具有艺术能力的艺术机器人。我有一个关于音乐机器人的想法，它以歌曲为输入，检测歌曲中的音符并在钢琴上播放。我需要一些方法来帮助我计算歌曲音符的音高。关于如何去做的任何想法/建议？

我有一个正在编写的儿童 iPhone 应用程序，我需要能够使用 Core Audio 改变声音样本的音高。有没有人有任何示例代码，我可以看看这是在哪里完成的。应用商店中有很多音乐和游戏应用可以做到这一点，所以我知道我不是第一个。但是，我找不到任何这样做的例子。

我是音频世界的新手，我被分配了一个我不知道如何处理的任务。我需要显示一个表示 WAV 文件音高的图表。WAV文件可以是和弦的，然后我需要显示主导（阅读：音量最大）乐器（或人声唱歌）的音高图。我对 .NET 非常熟悉，对 C、C++、Java 几乎一无所知。

我在网上开始了一项研究，据我了解，复音 WAV 文件的音高检测是一个未解决的问题，但我不需要确切的音高，只是想知道它是否比下一个更高，它是什么长度。

我的问题是：

1. 我应该从哪里开始学习这项任务背后的理论？有什么推荐的书吗？

2. 是否有任何 API/工具可以做到这一点？

谢谢，

机器学习

很抱歉问了一个与我之前问过的问题类似的问题（FFT 问题（返回随机结果）），但我已经查找了音高检测和自相关，并找到了一些使用自相关进行音高检测的代码。

我正在尝试对用户唱歌进行音高检测。问题是，它不断返回随机结果。我从http://code.google.com/p/yaalp/获得了一些代码，我已将其转换为 C++ 并进行了修改（如下）。我的采样率为 2048，数据大小为 1024。我正在检测正弦波和麦克风输入的音高。正弦波的频率是 726.0，它检测到它是 722.950820（我可以接受），但它检测到麦克风的音高是从大约 100 到大约 1050 的随机数。

我现在正在使用高通滤波器来消除直流偏移，但它不起作用。我做对了吗，如果是这样，我还能做些什么来解决它？任何帮助将不胜感激！

（固定的）

谢谢，

尼尔。

编辑：更改代码以实现截止频率为 30hz 的高通滤波器（来自What Are High-Pass and Low-Pass Filters?，谁能告诉我如何使用卷积将低通滤波器转换为高通滤波器?) 但它仍然返回随机结果。不幸的是，将它插入 VST 主机并使用 VST 插件来比较频谱对我来说不是一个选择。

编辑：已修复，感谢大家的帮助，但我从来没有让它工作，现在使用新代码。

我正在尝试对用户唱歌进行实时音高检测，但遇到了很多问题。我尝试了很多方法，包括 FFT（FFT 问题（返回随机结果））和自相关（自相关音高检测返回带有麦克风输入的随机结果），但我似乎无法获得任何方法来给出好的结果。谁能建议一种实时音高跟踪的方法或如何改进我已有的方法？我似乎找不到任何用于实时音高检测的好的 C/C++ 方法。

谢谢，

尼尔。

编辑：请注意，我检查了麦克风输入数据是否正确，并且当使用正弦波时，结果或多或少是正确的音高。

编辑：对不起，这已经晚了，但目前，我通过从结果数组和每个索引中取出值来可视化自动收集，并在 X 轴上绘制索引和 Y 轴上的值（两者都除以100000 或其他东西，我使用 OpenGL），将数据插入 VST 主机并使用 VST 插件对我来说不是一个选项。目前，它看起来就像一些随机的点。我做得对吗，或者你能不能指点我一些代码来做这件事，或者帮助我理解如何可视化原始音频数据和自相关数据。

由于资源有限，例如较慢的 CPU、代码大小和 RAM，如何最好地检测音符的音高，类似于电子或软件调音器所做的事情？

我应该使用：

• 亲吻 FFT
• FFTW
• 离散小波变换
• 自相关
• 过零分析
• 倍频程滤波器

其他？

简而言之，我要做的是识别一个音符，在中音 C 以下两个八度到两个八度以上，在任何（合理的）乐器上演奏。我希望在半音的 20% 以内 - 换句话说，如果用户弹奏太平或太尖锐，我需要区分这一点。但是，我不需要调整所需的精度。

我正在尝试使用 C++ 进行实时音高检测。我正在测试一些来自高性能（http://performous.org/）的代码，因为其他一切都对我不起作用。我肯定知道这行得通，但我就是不能让它工作。我已经尝试了几个星期，但我无法让任何音高检测代码正常工作。

我熟悉计算机视觉（嗯，知道它），其中一个应用程序可以是图像识别，例如光学字符识别，我相信。但是，我更感兴趣的是“计算机聆听”，我刚刚学过的被认为是数字信号处理。

信号处理最让我感兴趣的是在音乐中的潜在应用。我记得不久前我看到了一个应用程序的预览（对不起，忘记了名字），它可以收听某人弹吉他的录音，并在时间线上自动将其与实际演奏的音符/和弦绘制成图表. 使用该程序，用户可以移动它们甚至编辑它们。现在，显然这要复杂得多，但它涉及同样的事情吗？信号处理？我还对音乐可视化器和智能照明系统中的可能应用感兴趣。

我的理解是，对 MP3 等压缩音频格式进行此处理不会产生与包含单独音轨的 MIDI 相同的结果（也许我误解了）。PCM 等未压缩格式会比 MP3 做得更好吗？我对声音处理一无所知，这正是我从目前所读到的内容中推断出来的。

我已经看过这个问题，它有很好的答案和链接，涵盖了我的很多问题。但是，我发现的大多数链接都是理论性的，我敢肯定它们都很有趣，并且鉴于我对该主题的兴趣，绝对值得一读，但我想知道是否有任何现有的库可以促进这一点，或与该主题相关的面向计算机科学/编程的文章，可能带有示例代码。即使是开源声音/音乐可视化器或任何其他开源声音处理代码也会很棒。

对不起，如果我没有任何意义。就像我说的，我不知道我在说什么。