检测音频流中的特征

Question

我想编写/编程/开发一种算法，它可以识别/麦克风音频线路中数据中的许多特征。音频流将是音乐，我想过滤掉特征来区分歌曲，通过区分，我的意思是你可以区分歌曲的流派。

我绝对想要检测的一个关键的事情是这首歌有什么样的小节/节拍。例如，我想知道这首歌是不是在3/4的时间段。

我找到的唯一有帮助的文章都是关于BPM检测的，但这不足以区分一首歌和另一首歌。

FFT是从音频流中获得不同特征的一个很好的开始，但我不知道从哪里开始。有没有可能用FFT得到小节/节拍？关于这一点，有没有什么好的教程/代码示例？

FFT是否足以获得音频流的良好特征，或者是否有其他算法可以很好地获取音频流的特征？

我最好使用C#，因为这是我最有经验的编程语言。这在C#中是可能的，还是另一种语言更好？

总结我的问题，我正在寻找关于在音频流中寻找特征的任何信息，以获得节拍/小节和其他信息来区分歌曲。

Answer 1

我喜欢阅读这位博主的相关文章：

http://www.redcode.nl/blog/2010/06/creating-shazam-in-java/

作者讨论了指纹识别歌曲。如果你labelled一组歌曲，认为它具有你想要的品质，然后将数据输入到某种learning algorithm/classifier中，你可能会取得一些成功。

我不认为这是一个已解决的问题，所以据我所知，给你一个明确的答案是不可能的。

祝好运!

Answer 2

傅立叶变换会告诉你声音中的频率。这可能足以告诉你它是在什么地方录制的。我怀疑它能告诉你更多的信息。

软件(如Shazam)可以识别两段录制的音乐是相同的。你想做一些不同的事情--你想以分类的形式提取意义。将其与语音识别进行比较；这是一个类似的问题。音乐实际上要难得多，因为通常会涉及到几种乐器。我们的大脑可以使用非常复杂的模式识别来提取单个乐器(鼓、吉他)，然后使用单个乐器来确定节拍和节拍。就像我们可以在开着电视声音的情况下进行对话一样。计算机还不能将声音分解成单独的声音，而只是简单地听到一个连续的声音。这让我认为，提取有意义的信息(节拍，节拍)至少要等到我们可以在计算机上将声音分解为单独的“声音”。

你想做的事情总有一天会成为可能，而且会很棒。但我认为我们还有一段距离；也许当计算机能够流利地解释语音时，它们也能够流利地解释音乐。也许10年后吧。

Answer 3

开源的aubio库从音频中提取特征。它是用C语言编写的，但可以作为托管实现的参考。或者你可以对它进行P/Invoke。

aubio是一个为从音频信号中提取注释而设计的工具。它的功能包括在每次攻击之前分割声音文件，执行音调检测，敲击节拍，并从现场音频中产生midi流。