Ανάλυση Ήχου και Μουσικής σε Πραγματικό Χρόνο μέσω Δωρεάν Python Βιβλιοθήκης

Ξεκινώντας με το Aubio

Ο πιο εύκολος τρόπος για να εγκαταστήσετε το Aubio είναι μέσω του Python Package Index (PyPI). Παρακαλώ χρησιμοποιήστε την παρακάτω εντολή για πλήρη εγκατάσταση.

pip install aubio 

go get -u github.com/aubio/aubio.git 

Ανίχνευση Έναρξης μέσω Python

Ένα από τα πιο χρήσιμα χαρακτηριστικά της βιβλιοθήκης Aubio είναι η ανίχνευση αρχής (onset detection), η οποία εντοπίζει πότε αρχίζει μια μουσική νότα ή ένα ηχητικό γεγονός. Η ανίχνευση αρχής βρίσκει τη ακριβή στιγμή που ένα νέο ήχο ή μουσική νότα αρχίζει. Στη μουσική, το "onset" είναι η επίθεση μιας νότας — η στιγμή που χτυπάται ένα τύμπανο, κροτάται μια κιθάρα ή μια φωνή αρχίζει μια συλλαβή. Η Aubio περιλαμβάνει πολλαπλούς αλγόριθμους ανίχνευσης αρχής για διαφορετικές περιπτώσεις χρήσης. Το παρακάτω παράδειγμα δείχνει πώς να ανιχνεύσετε τα Onsets μέσα σε ένα αρχείο ήχου χρησιμοποιώντας κώδικα Python.

import aubio
import numpy as np

# Configuration
filename = "audio_sample.wav"
win_s = 512        # FFT window size
hop_s = 256        # Hop size (frames between analysis windows)

# Open the audio source
src = aubio.source(filename, hop_size=hop_s)
samplerate = src.samplerate

# Create the onset detector (using 'complex' method)
onset = aubio.onset("complex", win_s, hop_s, samplerate)

# Set detection threshold (0.0 to 1.0 — lower = more sensitive)
onset.set_threshold(0.3)

onsets = []

# Process audio frame by frame
while True:
    samples, read = src()                # Read one hop of audio
    if onset(samples):                   # Returns True when onset detected
        print(f"Onset at: {onset.get_last_s():.3f} seconds")
        onsets.append(onset.get_last_s())
    if read < hop_s:                     # End of file
        break

print(f"\nTotal onsets detected: {len(onsets)}")

Υποστήριξη Ανίχνευσης Τονικού Ύψους

Η ανίχνευση τόνου (pitch detection) είναι μια άλλη σημαντική δυνατότητα της ανοιχτής πηγής βιβλιοθήκης Aubio. Η ανίχνευση τόνου εντοπίζει τη θεμελιώδη συχνότητα (F0) ενός ήχου — ουσιαστικά, "ποια μουσική νότα είναι αυτή;" Είναι ο πυρήνας κάθε συντονιστή, εξαγωγέα μελωδίας ή εργαλείου ανάλυσης φωνής. Η Aubio υποστηρίζει πολλαπλούς αλγόριθμους ανίχνευσης τόνου όπως yin, yinfft, mcomb, fcomb, κ.λπ. Εδώ είναι ένα απλό παράδειγμα που δείχνει πώς να εκτελέσετε ανίχνευση τόνου σε πραγματικό χρόνο μέσα σε εφαρμογές Python.

import aubio
import numpy as np

samplerate = 44100
win_s = 1024
hop_s = 512

pitch_o = aubio.pitch("yin", win_s, hop_s, samplerate)
pitch_o.set_unit("Hz")
pitch_o.set_silence(-40)

samples = np.random.rand(hop_s).astype(np.float32)
pitch = pitch_o(samples)

print("Detected pitch:", pitch)

Παρακολούθηση Ρυθμού και Ανίχνευση Κτύπων μέσω Python

Η ανοιχτού κώδικα βιβλιοθήκη Aubio μπορεί να αναλύσει ρυθμικά μοτίβα και να εντοπίσει κτύπους και ρυθμό στη μουσική μέσα σε εφαρμογές Python. Η Aubio μπορεί να ακούει ήχο και να «χτυπά» μαζί — εντοπίζοντας τον ρυθμό σε BPM (κτύποι ανά λεπτό) και προσδιορίζοντας τα μεμονωμένα χρονικά σημεία των κτύπων. Αυτό είναι ανεκτίμητο για οτιδήποτε, από λογισμικό DJ μέχρι συγχρονισμό μουσικής. Η βιβλιοθήκη καθορίζει τις θέσεις των κτύπων αναλύοντας τις φασματικές αλλαγές και τα ρυθμικά μοτίβα στο σήμα ήχου.

Ανάγνωση και Γραφή Αρχείων Ήχου μέσω Python

Η βιβλιοθήκη Python Aubio περιβάλλει την είσοδο/έξοδο αρχείων ήχου μέσω των αντικειμένων source και sink, υποστηρίζοντας πολλαπλές μορφές (WAV, FLAC, OGG, MP3 μέσω libav ή ffmpeg) και διαχειριζόμενη αυτόματα τη μετατροπή του ρυθμού δειγματοληψίας. Εδώ είναι ένα απλό παράδειγμα που δείχνει πώς οι προγραμματιστές λογισμικού μπορούν να διαβάσουν, επεξεργαστούν και γράψουν αρχεία ήχου χρησιμοποιώντας εντολές Python.

import aubio
import numpy as np

input_file = "input.wav"
output_file = "output.wav"
target_samplerate = 22050    # Downsample to 22.05 kHz
hop_s = 512

# Open source — resamples automatically to target samplerate
src = aubio.source(input_file, samplerate=target_samplerate, hop_size=hop_s)
actual_sr = src.samplerate
num_channels = src.channels

# Open sink for writing
sink = aubio.sink(output_file, actual_sr, channels=1)

while True:
    samples, read = src()

    # Write mono (sink expects 1D array for mono output)
    if num_channels > 1:
        mono = samples.reshape(num_channels, -1).mean(axis=0)
    else:
        mono = samples

    sink(mono[:read], read)

    if read < hop_s:
        break

del sink   # Flushes and closes file
print(f"Written {output_file} at {actual_sr} Hz")