পাইথন 2.7 492 বাইট (কেবল বিটস.এমপি 3)
এই উত্তরটি মধ্যে বিটের চিহ্নিত করতে পারেন beats.mp3, কিন্তু সব নোট চিহ্নিত করা হবে না beats2.mp3বা noisy-beats.mp3। আমার কোড বর্ণনার পরে, আমি কেন তা বিশদে যাব।
এটি পিপিডাব ( https://github.com/jiaaro/pydub ) এমপি 3 তে পড়তে ব্যবহার করে। অন্যান্য সমস্ত প্রক্রিয়াজাতকরণ হ'ল নুমপি।
গল্ফ কোড
ফাইলের নামের সাথে একটি একক কমান্ড লাইন যুক্তি দেয়। এটি এমএসে প্রতিটি বিটকে আলাদা লাইনে আউটপুট দেয়।
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
অবহেলিত কোড
# 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
আমি কেন অন্য ফাইলগুলিতে নোটগুলি মিস করি (এবং কেন তারা অবিশ্বাস্যভাবে চ্যালেঞ্জিং)
আমার কোডটি নোটগুলি সন্ধান করার জন্য সিগন্যাল শক্তিতে পরিবর্তনগুলি দেখায়। কারণ beats.mp3, এটি সত্যই ভাল কাজ করে। এই বর্ণালীটি দেখায় যে কীভাবে শক্তি সময় (x অক্ষ) এবং ফ্রিকোয়েন্সি (y অক্ষ) বন্টিত হয়। আমার কোডটি মূলত y অক্ষকে একটি এক লাইনে পতিত করে।
দৃশ্যত, এটি মারার জায়গাটি দেখতে খুব সহজ। একটি হলুদ রেখা রয়েছে যা বার বার ছাপিয়ে যায়। beats.mp3আপনি বর্ণালীটি অনুসরণ করার সময় এটি কীভাবে কাজ করে তা দেখতে আমি আপনাকে শুনতে উত্সাহিত করি ।
এরপরে আমি যাব noisy-beats.mp3(কারণ এটি তুলনায় আসলেই সহজ beats2.mp3।
আবার see নিখুঁত নোটগুলি শুরু হয় That এটি তাদের বিশেষ করে খুঁজে পাওয়া শক্ত করে তোলে কারণ এখন, আপনাকে কেবলমাত্র প্রশস্ততার পরিবর্তে ফ্রিকোয়েন্সি (y অক্ষ) পরিবর্তনের মাধ্যমে এটি সন্ধান করতে হবে।
beats2.mp3অবিশ্বাস্যভাবে চ্যালেঞ্জিং। এখানে বর্ণালীটি এখানে 
প্রথম বিটটিতে
কিছু লাইন রয়েছে তবে কিছু নোট সত্যিই রেখার উপর দিয়ে রক্তপাত করেছে। বিশ্বস্ততার সাথে নোটগুলি সনাক্ত করতে, আপনাকে নোটগুলির পিচ (মৌলিক এবং সুরেলা) এবং এটি কোথায় পরিবর্তন হয়েছে তা দেখতে শুরু করতে হবে। প্রথম বিটটি একবার কাজ করার পরে, দ্বিতীয় বিটটি টেম্পোর দ্বিগুণ হয়ে দ্বিগুণ শক্ত হয়!
মূলত, এই সমস্তগুলি বিশ্বস্তভাবে সনাক্ত করতে, আমি মনে করি এটি কিছু অভিনব নোট সনাক্তকরণ কোড নেয়। দেখে মনে হচ্ছে এটি কোনও ডিএসপি ক্লাসের কারও জন্য ভাল ফাইনাল প্রকল্প হবে project