Javascript：如何确定mp3文件的音调

Question

我已经进行了大量的 Google 搜索，但未能找到有关如何确定 mp3 文件的音符的示例。

到目前为止，我已经阅读了一些有关 FFT（快速傅立叶变换）的内容，从中可以计算音频文件的音高，并根据音高符号导出音符。

但是后来我读到mp3文件格式位于时域中，由于有损压缩格式不包含频率分析所需的样本值...这是否意味着您必须转换mp3到 wav 文件以便计算密钥？

我发现了几个用于视觉目的的实时音调检测的示例，但不是用于分析整个 mp3 文件并输出音乐调。

我希望有人能指出我正确的方向。

谢谢。

Answer 1

我创建了一个应用程序，PitchScope Player，它可以实时对 MP3 文件进行音高检测，其完整的源代码发布在 GitHub 上，但它是用 C++ 编写的。音调检测和音乐调检测，尤其是实时检测，要求极高，并且可能需要 C++ 的速度才能在此时执行。您刚刚开始探索一项非常困难的音频工程任务，并且确实需要首先了解一些关于我们如何感知“音高”的物理背景，什么是“谐波”，并探索如何选择频率-来自原始信号的域变换（参见下面的维基百科链接）。

当在钢琴上按下单个琴键时，我们听到的不仅仅是一种声音振动频率，而是在不同数学相关频率下发生的多种声音振动的“复合”。这种不同频率的振动组合的元素被称为“谐波”或分音。例如，如果我们按钢琴上的中间 C 键，复合谐波的各个频率将从 261.6 Hz 作为基频开始，523 Hz 将是第二谐波，785 Hz 将是第三谐波，1046 Hz 将是是第 4 次谐波，依此类推。后面的谐波是基频 261.6 Hz 的整数倍（例如：2 x 261.6 = 523、3 x 261.6 = 785、4 x 261.6 = 1046）。我们通过查找在频率间隔中具有数学关系的谐波组来检测音高。 我没有使用 FFT，而是使用改进的对数 DFT 变换，以便其频道可以与音乐信号中谐波的位置对齐。对数 DFT 变换还在执行中提供了明显的速度优势。 一旦您检测到音乐信号中的多个音高，您就可以通过根据该音乐信号中成员音符的数量对 12 个不同的候选调进行评分来检测音乐调。我的另一个应用程序 PitchScope Navigator 也可以实时检测音调。

您可能想要获取一个 C++ 编译器并重新编译我的源代码，以便您可以逐步执行它以了解我的算法是如何工作的。它还可以解码 MP3 文件。您还可以从网络上的许多地方下载该应用程序的可执行文件 PitchScope Player，以便查看它在带有您选择的 MP3 文件的 Windows 计算机上的执行情况。

https://github.com/CreativeDetectors/PitchScope_Player

https://en.wikipedia.org/wiki/Transcription_(music)#Pitch_detection

下面是复调 mp3 录音中 3 秒吉他独奏的对数 DFT（由我的 C++ 软件创建）的图像。它显示了在演奏独奏时吉他上各个音符的和声如何出现。对于这个对数 DFT 上的每个音符，我们可以看到它的多个谐波垂直延伸，因为每个谐波将具有相同的时间宽度。

这个人写了一个令人难以置信的库，对我来说非常有效，但其他人告诉我，它对他们来说不是开箱即用的：他们给了我另一个链接。

Answer 2

无论如何，这对我来说非常有用！

这是我更喜欢的带有教程的：

https://alexanderell.is/posts/tuner/

这是我的一个人推荐的一个，他的教程不起作用——找不到教程，但它就在那里：

https://harald.ist.org/tools/spectrum_analysisr.html