В этой задаче ваша задача - взять простую запись в формате mp3 и найти временные смещения ударов в файле. Два примера записи здесь:

https://dl.dropboxusercontent.com/u/24197429/beats.mp3 https://dl.dropboxusercontent.com/u/24197429/beats2.mp3

Вот третья запись с гораздо большим шумом, чем две предыдущие:

https://dl.dropboxusercontent.com/u/24197429/noisy-beats.mp3

Например, первая запись длится 65 секунд и содержит ровно (если я не учел!) 76 ударов. Ваша задача - разработать программу, которая принимает такой mp3-файл в качестве входных данных и выводит последовательность временных смещений в миллисекундах ударов в файле. Конечно, ритм должен возникать, когда гитарист играет на одной или нескольких струнах.

Ваше решение должно:

• Работа над любым mp3 файлом аналогичной «сложности». Он может проигрывать шумные записи или быстро проигрываемые мелодии - мне все равно.
• Будь довольно точным. Допуск составляет +/- 50 мс. Таким образом, если биение происходит в 1500 мс, а ваше решение сообщает 1400, это недопустимо.
• Используйте только бесплатное программное обеспечение. Вызов ffmpeg разрешен, как и использование любого свободно доступного программного обеспечения сторонних производителей для вашего языка по вашему выбору.

Критерием победы является способность успешно определять удары, несмотря на шум в прилагаемых файлах. В случае ничьей выигрывает самое короткое решение (длина стороннего кода не учитывается).

Python 2.7 492 байта (только beats.mp3)

Этот ответ может идентифицировать удары в beats.mp3, но не идентифицирует все примечания на beats2.mp3или noisy-beats.mp3. После описания моего кода я подробно расскажу, почему.

Это использует PyDub ( https://github.com/jiaaro/pydub ) для чтения в MP3. Вся остальная обработка - это NumPy.

Гольф-код

Принимает один аргумент командной строки с именем файла. Он будет выводить каждый удар в мс на отдельной строке.

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

Код без правил

# 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

Почему я скучаю по заметкам на других файлах (и почему они невероятно сложны)

Мой код смотрит на изменения мощности сигнала, чтобы найти заметки. Ибо beats.mp3это работает очень хорошо. Эта спектрограмма показывает, как мощность распределяется по времени (ось х) и частоте (ось у). Мой код в основном сворачивает ось Y до одной строки. Визуально действительно легко увидеть, где находятся биты. Есть желтая линия, которая сужается снова и снова. Я настоятельно рекомендую вам послушать, beats.mp3пока вы следите за спектрограммой, чтобы увидеть, как она работает.

Далее я перейду к noisy-beats.mp3(потому что это на самом деле проще, чем beats2.mp3. Еще раз, посмотрите, можете ли вы следовать за записью. Большинство строк слабее, но все же есть. Однако в некоторых местах нижняя строка все еще звонит, когда начинаются тихие ноты, что делает их поиск особенно трудным, потому что теперь вы должны найти их по изменению частоты (ось Y), а не только амплитуде.

beats2.mp3невероятно сложно. Вот спектрограмма. В первом бите есть несколько строк, но некоторые ноты действительно кровоточат. Чтобы надежно идентифицировать ноты, вы должны начать отслеживать высоту ноты (основной и гармонический) и видеть, где они меняются. Как только первый бит заработает, второй бит будет вдвое сильнее, чем темп удваивается!

В принципе, чтобы надежно идентифицировать все это, я думаю, что требуется какой-то необычный код обнаружения заметки. Похоже, это был бы хороший финальный проект для кого-то из класса DSP.