Mediatavio
YouTube به MP3قیمتوبلاگحریم خصوصی

تحلیل صوتی

جستجوگر BPM کلید: از صدا تا گام و تمپو موسیقی

یک جریان کاری عملی و خط لوله پردازش سیگنال سنتی پشت برآوردها.

توسط Mediatavio مهندسی

این ابزار چه چیزی به شما می گوید

key bpm finder گام موسیقی و گام ماژور یا مینور یک قطعه، کد Camelot مربوطه و تمپو را بر حسب ضرب در دقیقه تخمین می زند. این برآوردها نقاط شروع مفیدی برای تنظیم یک مجموعه یا مقایسه ضبط ها هستند؛ آن ها جایگزین گوش دادن نیستند.

برای مثال، دو ماژور به 8B نگاشت می شود و لا مینور به 8A. Camelot یک جستجو است که از کلید تخمینی استخراج می شود، نه تحلیل مستقل دوم که آن را تأیید کند.

تحلیل یک ضبط

  1. باز کلید BPM یاب و فایل های صوتی را انتخاب کنید یا آن ها را در بخش آپلود قرار دهید. WAV زمانی مفید است که مرورگر نتواند فرمت دیگری را رمزگشایی کند.
  2. گزینه تحلیل صدا را انتخاب کنید. فایل ها به صورت متوالی اجرا می شوند، بنابراین یک فایل شکست خورده صف باقی مانده را متوقف نمی کند.
  3. کلید، ستون Camelot و BPM را بخوانید. نتیجه نامطمئن یا معیار ناقص به این معناست که الگوریتم برآوردی مطابق با معیارهای نمایش ما تولید نکرده است.
  4. از کنترل پیش نمایش برای گوش دادن، حذف فایل هایی که نیاز ندارید یا لغو تحلیل فعال استفاده کنید.
  5. قبل از صادر کردن CSV وارد شوید تا نتایج تکمیل شده را دانلود کنید. گزارش شامل مدت زمان، موقعیت و طول بخش تحلیل شده است.

صف تا ۱۰ فایل را می پذیرد، حداکثر ۱۰۰ مگابایت برای هر فایل و ۳۰۰ مگابایت در مجموع. ضبط ها باید حداقل ۸ ثانیه و بیش از ۱۰ دقیقه طول نکشند. رمزگشایی فرمت بستگی به مرورگر دارد.

پیاده سازی

رمزگشایی صوتی وببخش مونو در فرکانس ۴۴.۱ کیلوهرتزاسنشیا ورکرکلید، Camelot و BPM

صفحه فایل را با Web Audio رمزگشایی می کند، کانال های آن را به مونو میانگین می دهد و حداکثر ۱۲۰ ثانیه پیوسته را از وسط انتخاب می کند. در صورت لزوم، یک OfflineAudioContext آن بخش را تا فرکانس 44,100 هرتز دوباره نمونه برداری می کند. فایل اصلی هنوز ابتدا رمزگشایی می شود، بنابراین استخراج تحلیل محدودیت ها کار می کند و تضمین حافظه قله پایین نیست.

یک Float32Array به یک کارگر جداگانه منتقل می شود. Essentia.js 0.1.3 الگوریتم های سنتی را اجرا می کند: KeyExtractor از ویژگی های تونال و تطبیق پروفایل کلید استفاده می کند، در حالی که RhythmExtractor2013 از روش ریتم چندویژگی با دامنه جستجوی 40 تا 208 BPM بهره می برد. این پیاده سازی وزن های شبکه عصبی را دانلود نمی کند.

قبل از تحلیل، ورکر نمونه های غیر متناهی و ورودی تقریبا بی صدا را رد می کند. ما کلید را فقط زمانی نمایش می دهیم که قدرت آن از ۰.۱ بیشتر باشد و نگاشت Camelot معتبری داشته باشد. BPM باید مثبت و محدود باشد، با حداقل چهار تیک ضرب و اطمینان حداقل ۰.۵. این ها آستانه های امتیاز الگوریتم هستند، نه احتمال های کالیبره شده درست بودن.

قابلیت اطمینان و لغو

یک قطعه می تواند گام یا تمپو خود را تغییر دهد و تفسیرهای نیمه وقت یا دوبرابر می توانند از نظر موسیقایی معنادار باشند. ضبط های صرفا کوبه ای، نت های کم و نویز پس زمینه قوی می توانند نتایج نامطمئن ایجاد کنند. بخش میانی ممکن است مقدمه یا پایان را توصیف نکند.

لغو تحلیل را متوقف می کند، کارگر. شناسه نسل مانع از رمزگشایی قبلی یا نتیجه کارگر می شود که وظیفه بعدی را بازنویسی کند. فایل های تکمیل شده همچنان در دسترس هستند و فایل های ناتمام را می توان دوباره تحلیل کرد. هر کارگر بردارهای اسنتیا خود را قبل از پایان آن آزاد می کند.

سلول های CSV از علامت نقل قول فرار کرده و کاراکترهای فرمول صفحه گسترده پیشرو در نام فایل ها را خنثی می کنند. رزرو حساب قبل از صدور نتیجه قابل دانلود تکمیل می شود؛ صادرات ناموفق می تواند رزرو خود را آزاد کند.

نتایج را به کار ببرید

برای مقایسه کلید متفاوت، از تغییر زیر و بمی صدا. برای جدا کردن یک بخش نماینده، از برش صدا. برای ضبط ناسازگار، امتحان کنید مبدل صوتی. یک طیف نگار صوتی می تواند به بررسی صدا کمک کند، اما تصویر آن به تنهایی کلید را تعیین نمی کند.

صدا برای این تحلیل در مرورگر باقی می ماند. درخواست های حساب و استفاده جدا از خط لوله پردازش سیگنال هستند. Essentia تحت AGPL-3.0 توزیع می شود؛ گزینه های مجوز تجاری و تعهدات استقرار باید قبل از استفاده مجدد از موتور در جای دیگر بررسی شوند.

مراجع فنی