问题标签 [pitch]

我正在寻找使用 HPS 方法在 iphone 中实现语音音高检测。但是检测到的音调不是很准确。Performous在音高检测方面做得不错。

我查看了代码，但没有完全理解计算背后的理论。他们使用 FFT 并找到峰值。但是他们使用 FFT 输出相位的部分让我感到困惑。我认为他们对语音频率使用了一些启发式方法。

那么，任何人都可以解释一下 Performous 中用于检测音高的算法吗？

我尝试更改单个声音文件的频率。我设法在 android 中使用 SoundPool 做到了这一点。但结果听起来真的很糟糕。所以我开始讨论傅里叶变换——但我不确定这是否是我正在寻找的。

我想加载一个文件并在每次播放该文件时更改该文件的频率。所以我可以用一种音调创作旋律。android/java有可能吗？

这就是我设法做到的方式。“坏”我的意思是它听起来格格不入。

如果我想播放文件中音符的下一个频率，我必须将它乘以 2^(1/12)。但由于它只是一个浮点数，我想它不够精确，无法获得下一个音符的“真实”频率。

是否有实现该目标的“简单”方法？

谁能告诉我为什么当我在公开赛中提高音高时音量会变低？音调越高，音量越低......

alSourcef（源，AL_PITCH，1.2f）；alSourcef（源，AL_GAIN，1.0f）；

使用此设置，音量仍然非常低。有没有办法欺骗它使增益超过1？也许这与距离有关？

仅供参考，源是从 AVrecorder 录制的声音，所以我不能将源音量设置得更高。

我正在开发一个播放音乐的 Python 程序。一个功能是一个滑块，用户可以向上或向下拖动来改变音乐播放时的音高。

例如，如果音高设置为 2，那么音乐听起来会高一个八度，播放速度会提高一倍，持续时间会减半。我真正改变的是播放速度，但我需要实时交互。

可以在此处找到在 flash 中实现的此功能的一个很好的示例。（加载需要一点时间，请耐心等待。）

我研究了许多 python 音频包，但我还没有找到一个可以改变当前正在播放的声音的音高的包。我有多个版本的 Python，所以对包支持的版本没有要求。我正在 Windows 7 上开发它。

有什么建议么？

当 Android 手机侧放（水平方向）时，Roll 代表倾斜，可以这么说。当手机垂直于地面（直视屏幕）时，滚动显示 90。但是，当您开始向前或向后倾斜手机时，就好像您想向下或向上看一样，角度只会减小。

这意味着向上或向下看 45 度会产生相同的滚动或 45 度。

怎么可能知道你是向前滚动还是向后滚动？

我一直在寻找这个问题的答案，但找不到其他人遇到这个问题。从不同的应用程序来看，这似乎是可能的，所以我想我只是错过了一些与某事的关系，并希望有人能够将我推向正确的方向。谢谢！

我想检测的不是音高，而是歌唱音符的音级。

因此，是 C4 还是 C5 并不重要：它们必须都被检测为 C。

想象一下排列在钟面上的 12 个半音，指针指向音高等级。这就是我所追求的！理想情况下，我希望能够分辨出演唱的音符是准确的还是略微偏离的。

这不是先前提出的问题的重复，因为它引入了以下约束：

1. 声源是单一的人声，希望背景干扰可以忽略不计（尽管我可能需要处理这个）

2. 八度不重要，只有音阶

编辑——链接：使用 Apple FFT 和 Accelerate 框架进行
实时音高检测

我正在尝试从音频流中提取音高数据。据我所见，FFT 似乎是最好的算法。

与其直接钻研数学，有人可以帮我理解这个 FFT 算法的作用吗？

请不要说“FFT 从原始信号中提取频率数据”之类的明显内容。我需要更详细的信息。

我输入什么，输出什么？

一旦我清楚地理解了接口，这将有助于我理解实现。

我认为我需要传入一个音频缓冲区，我需要告诉它每次计算要使用多少字节（比如这个缓冲区中最近的 1024 个字节）。也许我需要指定我希望它检测到的音高范围。现在它要回传什么？一组频率区间？这些是什么？

（编辑：）我找到了一个可以使用的 C++ 算法（如果我只能理解的话）

Performous从麦克风中提取音高。代码也是开源的。下面是对算法功能的描述，来自编写它的人。

• PCM 输入（带缓冲）
• FFT（一次 1024 个样本，之后从缓冲区前面删除 200 个样本）
• 重新分配方法（针对之前 200 个样本的 FFT）
• 峰值过滤（这部分可以做得更好，甚至可以省略）
• 将峰值组合成谐波组（我们称组合为音调）
• 音调的时间过滤（更新之前检测到的音调集，而不是简单地使用新检测到的音调）
• 选择最好的人声（频率限制，加权，也可以使用谐波阵列，但我不认为我们这样做）

但是有人可以帮我理解这是如何工作的吗？从 FFT 发送到重新分配方法的内容是什么？

我一直在寻找不同的方法来检测传到麦克风中的音调。

看到我想找出它与特定音高的共振有多紧密，我想知道我是否可以做某种基于物理的共振算法。

如果你在钢琴上按住踏板，然后唱一个音调，（如果你离它现有的音高足够近）一个音符会产生共鸣。

我希望能够模拟这种行为。但是我将如何完成这项任务？谁能帮我推进这件事？

关于编写音乐相关软件，我正在通过一些 DSP 工作，并且对术语感到困惑。

我开始怀疑这些实体是否天生就令人困惑/手摇晃晃/定义松散......

频率很清楚：每秒周期数，Hz。

Pitch，Tone和Note对我来说不是很清楚。

除了这些术语之外，还有“ pitch-class ”。据说 C4 和 C5 属于同一音级。

此外，是否还有其他术语需要添加到此集合中以消除歧义？

我最近问了这个问题：

我正在寻找一种算法来检测音高。其中一个答案建议我使用初始 FFT 来获得基本频率响应，找出哪些频率正在发声，然后在每个感兴趣的区域使用带通滤波器：

一个稍微高级的算法可以做这样的事情：

1. 粗略检测音调频率（可以用 DFT 完成）。
2. 带通信号过滤隔离音调频率。
3. 计算滤波信号中两个峰值之间的样本数。

现在我可以做第一步了（我正在为 iOS 编码，Apple 有一个框架（加速框架）用于执行 FFT 等。

我已经从这里开始了：但我可以看到问题：一个 FFT 可以区分一个人可以唱的所有可能的音符需要大量的样本，而且我不想执行太多不必要的计算，因为我是针对移动设备。

所以我试图弄清楚上面的这个答案，但我不明白如何将带通滤波器的概念应用到代码中。

任何人都可以帮忙吗？