基于机器学习的曲风识别

最新推荐文章于 2025-03-11 11:30:00 发布

coder侠

最新推荐文章于 2025-03-11 11:30:00 发布

阅读量1.7k

点赞数 3

本文链接：https://blog.csdn.net/qq_38786335/article/details/106960412

版权

该项目通过机器学习对.wav格式的音频进行曲风识别。首先利用scipy.io.wavfile.read()读取音频信息，发现不同曲风的音频图存在显著差异。接着，通过傅里叶变换提取音乐特征，构建训练集并进行训练测试。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

基于机器学习的曲风识别

项目链接：https://pan.baidu.com/s/1Mxpj_WjRf2gTOMxGDLe20Q
提取码：v0r8
复制这段内容后打开百度网盘手机App，操作更方便哦

本项目的音频都是.wav格式，首先用scipy.io.wavfile.read()读取各种类型的音频的信息，观察不同类型的音频的显示信息，代码如下：

import matplotlib.pyplot as plt
from scipy.io import wavfile
import numpy as np
from scipy import fft

music_list = ['blues', 'classical', 'country', 'disco', 'hiphop', 'jazz', 'metal', 'pop', 'reggae', 'rock']


# 画图比较各个歌曲曲风的音频图，得出各个曲风的声音频率有较大的区别
def plotAudioFig(style, n):
    ad = "D:/BaiduNetdiskDownload/genres/"+style+"/converted/"+style+"."+str(n).zfill(5)+".au.wav"
    # sample_rate每秒采样次数， X是音频信息
    sample_rate, X = wavfile.read(ad)
    sample_rate, X= np.array(sample_rate), np.array(X)
    plt.specgram(x=X, Fs=sample_rate)


plt.figure(figsize=(40,40))
plt.subplot(6,3,1);plotAudioFig("classical","00001")
plt.subplot(6,3,2);plotAudioFig("classical","00002")
plt.subplot(6,3,3);plotAudioFig