Python 2.7 492 bytes (somente beats.mp3)
Esta resposta pode identificar as batidas beats.mp3
, mas não identificará todas as notas em beats2.mp3
ou noisy-beats.mp3
. Após a descrição do meu código, entrarei em detalhes sobre o porquê.
Isso usa o PyDub ( https://github.com/jiaaro/pydub ) para ler o MP3. Todo o outro processamento é NumPy.
Código de golfe
Leva um único argumento de linha de comando com o nome do arquivo. Ele produzirá cada batida em ms em uma linha separada.
import sys
from math import *
from numpy import *
from pydub import AudioSegment
p=square(AudioSegment.from_mp3(sys.argv[1]).set_channels(1).get_array_of_samples())
n=len(p)
t=arange(n)/44.1
h=array([.54-.46*cos(i/477) for i in range(3001)])
p=convolve(p,h, 'same')
d=[p[i]-p[max(0,i-500)] for i in xrange(n)]
e=sort(d)
e=d>e[int(.94*n)]
i=0
while i<n:
if e[i]:
u=o=0
j=i
while u<2e3:
u=0 if e[j] else u+1
#u=(0,u+1)[e[j]]
o+=e[j]
j+=1
if o>500:
print "%g"%t[argmax(d[i:j])+i]
i=j
i+=1
Código Ungolfed
# Import stuff
import sys
from math import *
from numpy import *
from pydub import AudioSegment
# Read in the audio file, convert from stereo to mono
song = AudioSegment.from_mp3(sys.argv[1]).set_channels(1).get_array_of_samples()
# Convert to power by squaring it
signal = square(song)
numSamples = len(signal)
# Create an array with the times stored in ms, instead of samples
times = arange(numSamples)/44.1
# Create a Hamming Window and filter the data with it. This gets rid of a lot of
# high frequency stuff.
h = array([.54-.46*cos(i/477) for i in range(3001)])
signal = convolve(signal,h, 'same') #The same flag gets rid of the time shift from this
# Differentiate the filtered signal to find where the power jumps up.
# To reduce noise from the operation, instead of using the previous sample,
# use the sample 500 samples ago.
diff = [signal[i] - signal[max(0,i-500)] for i in xrange(numSamples)]
# Identify the top 6% of the derivative values as possible beats
ecdf = sort(diff)
exceedsThresh = diff > ecdf[int(.94*numSamples)]
# Actually identify possible peaks
i = 0
while i < numSamples:
if exceedsThresh[i]:
underThresh = overThresh = 0
j=i
# Keep saving values until 2000 consecutive ones are under the threshold (~50ms)
while underThresh < 2000:
underThresh =0 if exceedsThresh[j] else underThresh+1
overThresh += exceedsThresh[j]
j += 1
# If at least 500 of those samples were over the threshold, take the maximum one
# to be the beat definition
if overThresh > 500:
print "%g"%times[argmax(diff[i:j])+i]
i=j
i+=1
Por que sinto falta de anotações nos outros arquivos (e por que eles são incrivelmente desafiadores)
Meu código analisa as alterações na potência do sinal para encontrar as notas. Pois beats.mp3
, isso funciona muito bem. Este espectrograma mostra como a energia é distribuída ao longo do tempo (eixo x) e frequência (eixo y). Meu código basicamente recolhe o eixo y em uma única linha.
Visualmente, é realmente fácil ver onde estão as batidas. Há uma linha amarela que se afunila de novo e de novo. É altamente recomendável que você ouça beats.mp3
enquanto acompanha o espectrograma para ver como ele funciona.
Em seguida, irei a noisy-beats.mp3
(porque isso é realmente mais fácil do que beats2.mp3
...
Mais uma vez, veja se você pode acompanhar a gravação. A maioria das linhas é mais fraca, mas ainda está lá. começam as notas silenciosas, o que dificulta sua descoberta, porque agora você precisa encontrá-las com mudanças na frequência (o eixo y) e não apenas na amplitude.
beats2.mp3
é incrivelmente desafiador. Aqui está o espectrograma
No primeiro bit, existem algumas linhas, mas algumas notas realmente sangram sobre as linhas. Para identificar notas de maneira confiável, é necessário começar a acompanhar o tom das notas (fundamental e harmônica) e ver onde elas mudam. Uma vez que o primeiro bit está funcionando, o segundo bit é duas vezes mais difícil que o tempo dobra!
Basicamente, para identificar de forma confiável tudo isso, acho que é preciso algum código de detecção de nota sofisticado. Parece que este seria um bom projeto final para alguém da classe DSP.