使用Python分析歌曲调性：方法与实战

109702008

于 2025-05-25 00:15:00 发布

阅读量122

点赞数 5

分类专栏：编程 # C语言音视频文章标签： c语言音视频人工智能

本文链接：https://blog.csdn.net/eidolon_foot/article/details/147902375

版权

编程同时被 3 个专栏收录

619 篇文章 ¥19.90 ¥99.00

订阅专栏

C语言

418 篇文章 ¥19.90 ¥99.00

订阅专栏

超级会员免费看

音视频

20 篇文章

订阅专栏

音乐调性分析是音乐制作、学习和研究中的重要环节。传统方法依赖专业乐理知识，而现代技术可通过Python快速实现自动化检测。本文将介绍基于librosa和Essentia库的四种调性分析方法，并通过实际音频测试验证其效果。

一、方法与工具

1. 核心原理

Chromagram特征：将音频频谱映射到12平均律音高，反映各音级的能量分布
主音检测：寻找能量最高的音级（对应简谱中的1=X）
调式判定：通过音阶模板匹配区分大调/小调

2. 工具对比

库	优点	缺点
librosa	安装简单，API友好	调式检测需手动实现
Essentia	专业算法，直接输出调式	依赖复杂，需模型支持

二、代码实现与测试

方法1：基础主音检测（librosa）

import librosa
import numpy as np

def

了解本专栏

订阅专栏解锁全文

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

109702008

关注关注

5
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
打赏
打赏
打赏举报

举报

专栏目录

订阅专栏

AIGC领域Prompt工程：原理、方法与行业应用

AI天才研究院

05-03

785

当前大语言模型（LLM）已进入"提示驱动"时代——用户需通过自然语言指令与模型交互，而非传统编程。Prompt工程（Prompt Engineering）正是研究如何设计有效的提示，使LLM生成符合预期的高质量内容。Prompt工程的底层原理（模型如何理解提示）核心方法（零样本/少样本/思维链等设计策略）行业落地的关键实践（从教育到医疗的场景适配）核心概念：定义Prompt工程，解析模型处理提示的底层机制方法体系：从基础到高级，覆盖零样本、少样本、思维链等设计范式。

用Colab免费玩转AIGC音乐生成：Jukebox模型实战指南

最新发布

AI天才研究院

05-14

586

随着生成式人工智能（AIGC）技术的飞速发展，音乐生成领域迎来革命性突破。OpenAI的Jukebox模型能够生成包含歌词、旋律、编曲的完整音乐片段，支持多种音乐风格和时长。本文旨在通过Google Colab的免费计算资源，降低技术门槛，让开发者无需高端硬件即可实践Jukebox模型的核心功能，涵盖从模型原理解析到实际音乐生成的全流程。背景知识：明确核心概念、术语定义和技术架构原理解析：深入Jukebox的层次化VAE和自回归模型数学基础：推导生成模型的关键公式和优化目标实战指南。

参与评论您还未登录，请先登录后发表或查看评论

Python 数据智能实战 (12)：效果评估 - 超越传统指标

kakaZhui的博客

05-04

1078

— "看起来很酷"还不够！如何科学评估 LLM 应用效果，证明你的数据智能方案物有所值我们已经一起探索了如何将大语言模型 (LLM) 的“超能力”注入到用户分群、购物篮分析、流失预测、文案生成、商品描述优化等多个电商关键环节。我们构建了听起来更智能、看起来更强大的解决方案。这些融合了 LLM 的新方法，效果到底怎么样？我们如何科学、客观地评估它们带来的真正价值？电商痛点聚焦：“智能”≠“有效”，如何量化价值？仅仅因为使用了炫酷的 LLM 技术，并不意味着最终结果一定更好。

Python 数据智能实战 (8)：基于LLM的个性化营销文案

kakaZhui的博客

05-02

1147

— 告别群发轰炸，拥抱精准沟通：用 LLM 为你的用户量身定制营销信息在前面的篇章中，我们学习了如何利用 LLM 增强用户理解（智能分群）、挖掘商品关联（语义购物篮）、提升预测精度（融合文本特征的流失预警）。我们不断地从数据中提取更深层次的洞察。然而，洞察的最终目的是为了行动。在电商运营中，最直接的行动之一就是通过营销活动触达用户，引导转化。但是，千篇一律的群发营销信息，效果往往越来越差，甚至引起用户反感。群发效果差，打开率、点击率、转化率持续走低？

教育行业渠道效果评估：问题定位、策略迭代与实战解读

神策数据

07-01

449

本文是神策数据教育行业研究室的第四篇分享，围绕教育行业渠道效果评估问题定位、策略迭代与实战展开。《教育从业者必须要懂的「渠道效果评估」（上）》中，从渠道效果的评估维度展开了详细阐述，本篇作为渠道效果评估的后续，将围绕渠道效果解决方案，从评估问题定位以及如何进行迭代策略实战展开。一、如何通过渠道效果评估定位问题当前，媒介渠道纷繁多样、企业流量来源复杂，不同渠道的投放效果评估.........

ASP学生信息管理系统：实战项目与论文详解

weixin_42579969的博客

05-03

855

ASP（Active Server Pages）是一种服务器端脚本环境，用于创建动态交互式网页。它允许开发者在HTML文档中嵌入服务器端脚本，执行如数据库查询、表单处理等任务。ASP在20世纪末至21世纪初广泛应用于Web开发，它的主要特点包括与HTML紧密集成、支持各种服务器端脚本语言（如VBScript和JScript）以及易于与COM（Component Object Model）对象交互。在现代的Web应用中，数据库扮演着存储和管理数据的关键角色。

AI提示词工程：构建精准指令的深度方法论与实战指南

龙萱坤诺的专栏

02-20

391

本方法论体系突破传统模板化写作，通过引入系统工程思维、质量量化评估和多模型协同机制，将提示词设计提升至专业工程化层面。实践者需根据具体场景动态调整参数体系，持续构建领域专用的提示词知识库，最终实现人机智能的深度协同进化。AI提示词的本质是构建人机协同的思维导引系统，需遵循结构化工程思维。

Python 深度学习实战：智能音乐生成

AI天才研究院

11-20

338

1.背景介绍音频是现实生活中不可或缺的一部分。通过利用机器学习、深度学习等技术，可以实现自动化的音频处理，如语音合成、转写、翻译、合唱等。其中，生成新颖的音乐也是一种比较有意思的应用。由于自动生成音乐受到种种限制，比如音乐风格不能过于富多，音调要一致等，所以一般用作教育或娱乐之用。但是，如何用编程语言生成符合这些要求的音乐，是一个十分有挑战性的问题。

Python 数据智能实战 (9)：商品描述“一键优化” - LLM 助你写出爆款“带货文案”

kakaZhui的博客

05-03

836

— 告别平庸描述，提升点击与转化：用 LLM 分析、改写、生成高质量商品详情页上一篇，我们探索了如何利用 LLM 规模化地生成个性化营销文案，精准触达目标用户。今天，我们将聚焦于电商转化链路中至关重要的一环——商品详情页商品描述。一个优秀的商品描述，不仅仅是简单地罗列规格参数，它更应该像一个沉默的王牌销售员在众多同类商品中脱颖而出。让用户快速了解产品的独特卖点和能解决什么问题。通过生动的语言、场景化的描绘触动用户的情感和需求。提前预判并解答用户可能关心的问题，降低决策门槛。

Spotify数据分析与Python编程实战

资源摘要信息:"Spotify Analysis 使用Python进行数据分析的项目" 近年来，音乐流媒体服务如Spotify已变得极其流行。Spotify不仅为用户提供了随时随地聆听音乐的便利，还通过推荐算法帮助用户发现新音乐。在这样的...

SM3WithSM2摘要的SM2签名验签

热门推荐

数字人生

12-08

1万+

GmSSL是一个开源的密码学库，实现了SM2、SM3、SM4等国家密码算法，由中国科学院信息工程研究所实施。SM2是一种椭圆曲线公钥密码算法，主要用于数字签名、密钥交换和公钥加密。SM3是一种加密哈希函数。在GmSSL中，你可以使用SM2算法和SM3哈希函数结合来进行签名和验证。下面提供一个GmSSL利用SM3和SM2进行签名和验证的C代码示例。请注意，要成功运行以下代码，你需要有GmSSL库的开发环境设置好，代码仅供参考：

ffmpeg使用h264、h265编码转换

数字人生

08-12

1万+

1、编译x264 git clone https://code.videolan.org/videolan/x264.git cd x264 ./configure --enable-shared --enable-static --disable-asm make make install x264, the best H.264/AVC encoder - VideoLAN 2、编译x265 hg clone http://hg.videolan.org/x265 cd x265/buil.

【python】绘制春节烟花

数字人生

02-06

1万+

下载适合Windows的版本，运行安装程序，并确保在安装过程中选中了“Add Python to PATH”这个选项，以便在命令行中使用`python`命令。安装了Python之后，按下Windows键，输入`cmd`或`PowerShell`，然后选择“命令提示符”或“Windows PowerShell”。注意：如果电脑安装了多个Python版本，使用`python3`或者`py`命令替换`python`。这个脚本创建了一些简单的烟花效果，它们会随机地在底部生成，并上升到屏幕的一半高度左右时爆炸。

cuda9需安装Visual Studio 2017

数字人生

01-13

1万+

在安装CUDA 9的过程中，可以选择不安装Visual Studio Integration组件，特别是如果系统中已经存在兼容的Visual Studio版本并且不需要额外集成的话。不过，仍需要确保安装CUDA的其他必要组件，如CUDA编译器和库文件。

【前端】Electron可以开发手机app吗？

数字人生

08-14

9879

Electron使用HTML、CSS和JavaScript技术，将Chromium和Node.js合并到同一个运行时环境中，并允许开发者使用纯JavaScript调用丰富的原生(操作系统) APIs 来创造桌面应用。要开发移动应用程序，需要使用针对移动平台（如iOS和Android）开发的开发工具和语言。如果你是想要使用 Web 技术来进行移动开发，并喜欢 Electron 开发模式，可能会更喜欢 React Native 或者 Ionic，这两者都能够让你使用熟悉的技术栈开发移动应用程序。

gmssl国密sm2(生成密钥对-私钥签字-证书验签)

数字人生

12-11

9329

所以在缺省情况下，ENTL值是0x0080.a, b, x_G, y_G 都是SM2算法标准中给定的值。a和b是椭圆曲线y=x+ax+b的系数，x_G, y_G是SM2算法选定的基点的坐标。x_A || y_A就是公钥两部分值的拼接，注意，没有0x04的部分;将上述各元素拼接值进行SM3运算，得到结果Z。Z是第一步运算得到的摘要，M是签名的原文，将两者拼接，再进行SM3摘要运算。ENTL || ID || a || b || x_G || y_G || x_A || y_A表示签名元素数据的拼接（级联）。

C语言变量命名规范

数字人生

05-18

7566

C语言变量命名规范（1）i（常用n），int，整型，iSize （2）n（常用s或sh），short，短整型，nPort （3）l，long，长整型，lSum （4）f，float，浮点型，fValue （5）d，double，双精度浮点型，dValue （6）u，无符号（7）ch（常用c），字符型，chChar （8）by，字节（无符号字符），byData （9）b，布尔型，bIsTrue （10）a（常用arr），数组，anNum[10]

vscode占用C盘太多

数字人生

05-22

6514

最近总是提示C盘空间满，查了一下，发现C:\Users\liang\AppData\Roaming\Code\User\workspaceStorage 目录占用很多空间，好像对应打开的VSCode工程。删除了没有打开工程的相应目录。不知道VScode是否能手动设置这些目录。

国密sm2签名验签

数字人生

12-07

5630

国密GM/T 0003.5-2012 标准中的 SM2 是一种公钥加密算法，类似于其他加密标准，如 RSA 或 ECC。下面将提供一个 SM2 签名和验签的示例代码，这是基于 OpenSSL 的 GmSSL 分支实现的，但请注意务必检查 OpenSSL/GmSSL 的许可证和出于安全考虑，始终使用最新版本的库和补丁。在使用上面的代码之前，请确认你有安装 GmSSL 或 OpenSSL 并且已包含 SM2 支持。在实际应用中，你需要确保采取安全的密钥管理措施，避免密钥泄露风险。