最能描述音乐的音频功能是什么？

Question

我正在为音频流项目设计推荐系统的基于内容的过滤部分。

首先采用k均值算法，结合音乐体裁和单热编码，将音乐分为不同的类别。但是，为了获得更精确的结果，我想要改变它，并使用音频功能来提供模型。

所以我的问题是：

• 我的方法正确吗。

• 什么是最相关的音频功能，我可以从音频文件中提取。

为了你的答案。

编辑：

现在，我正在提取这些特征：

• 音乐节奏
• 过零率
• 持续时间
• 光谱质心
• 光谱滚转
• MFCC
• 光谱带宽
• 光谱对比

我想知道这些音频特征在多大程度上与“描述”音频摘录有关。

Answer 1

每个倒谱系数都可以被认为是定义音乐作品的最佳特征之一。

最著名的是梅尔规模，我可以看到，你已经在提取MFCC，你是好的。虽然你应该提到，你正在吸取哪个MFCC，但从经验(一点点)到前15通常是最有用的原因，他们有一个积极的价值。您还可以使用更强大的GFCC。

然后，它们可以被用来获取光谱图等等。

我建议不要使用kNN，更喜欢随机格式，而且音频信号需要大量的预处理。DCT和STFT是必须的。

Answer 2

您所选择的特性是一个很好的起点，但与音乐推荐系统可能最相关的功能相比，它仍然是相当“低水平”的(除了节奏之外)。

Essentia项目为音乐提供特征提取器，包括低级别、中等级别和(自2020年1月起)高级音乐特征描述符。它们的高级描述符包括：

• 音乐体裁
• 舞厅音乐分类
• 心情:快乐，悲伤，进取，放松，声音，电子，派对
• 西方/非西方音乐
• 音调/无调性
• 舞蹈能力
• 声音/器乐
• 性别(男、女歌手)
• 音色(暗，亮)

中、低级描述符涵盖了您提到的所有内容，以及更多内容。它被打包成一个输出JSON的命令行工具。