每隔几毫秒获取 mp3 文件的音调
Get pitch of mp3 files at every few ms
所以我尝试使用 javascript 或 python（或任何其他可以做到的）每隔几毫秒获取 mp3 文件的音调和音量。任何帮助将不胜感激，谢谢。
音高与信号幅度变化的快慢有关，因此需要在一段时间内计算，而不是在瞬间计算。
我建议将您的 mp3 解码为波形（有 Python 库会为您将其放入一个 numpy 数组中）然后一次取一个部分并执行以下操作：
- 运行 块上的 FFT（搜索 numpy FFT）以查找频率内容。通常，特定音高的声音将具有基频，并且还会有谐波成分，即基频整数倍的频率。此外，您可能有不止一种贡献声音，因此会有多个基频，每个基频都有自己的谐波。 FFT 将计算出假设他阻塞然后永远重复的频率。不幸的是，你的信号的开始和结束幅度在你的块的开始和结束处不匹配，所以这个假设就像幅度突然跳跃一样。这将导致您的 FFT 结果出现伪影，因此如果您的应用程序存在问题，您需要在 运行 FFT 之前查看 windowing。这会在开始和结束时削弱你的块，所以它们在零处排列。
- 确定哪个 FFT 峰值与您要录制的音高相关。例如，这可能是最高峰。这个峰值的频率就是这个块的音调。
- 获取块的均方根 (RMS)（来自原始数组，而不是 FFT）并将其用作体积度量。
然后你可以移动到下一个块并重复，所以如果你的块大小是 440 个样本（10 毫秒，44kHz 采样率），你的第一个块从 0 到 439，然后下一个从 440 到 879 等等。
如果你愿意，你也可以做一个滑块，例如每次将 440 个样本块推进 44 个样本，因此第一个块是 0 到 439，下一个是 44 到 483。
所以我尝试使用 javascript 或 python（或任何其他可以做到的）每隔几毫秒获取 mp3 文件的音调和音量。任何帮助将不胜感激，谢谢。
音高与信号幅度变化的快慢有关，因此需要在一段时间内计算，而不是在瞬间计算。
我建议将您的 mp3 解码为波形（有 Python 库会为您将其放入一个 numpy 数组中）然后一次取一个部分并执行以下操作：
- 运行 块上的 FFT（搜索 numpy FFT）以查找频率内容。通常，特定音高的声音将具有基频，并且还会有谐波成分，即基频整数倍的频率。此外，您可能有不止一种贡献声音，因此会有多个基频，每个基频都有自己的谐波。 FFT 将计算出假设他阻塞然后永远重复的频率。不幸的是，你的信号的开始和结束幅度在你的块的开始和结束处不匹配，所以这个假设就像幅度突然跳跃一样。这将导致您的 FFT 结果出现伪影，因此如果您的应用程序存在问题，您需要在 运行 FFT 之前查看 windowing。这会在开始和结束时削弱你的块，所以它们在零处排列。
- 确定哪个 FFT 峰值与您要录制的音高相关。例如，这可能是最高峰。这个峰值的频率就是这个块的音调。
- 获取块的均方根 (RMS)（来自原始数组，而不是 FFT）并将其用作体积度量。
然后你可以移动到下一个块并重复，所以如果你的块大小是 440 个样本（10 毫秒，44kHz 采样率），你的第一个块从 0 到 439，然后下一个从 440 到 879 等等。
如果你愿意，你也可以做一个滑块，例如每次将 440 个样本块推进 44 个样本，因此第一个块是 0 到 439，下一个是 44 到 483。