音乐相关
和你在一起^_^
see you bet
展开
-
python报错-AttributeError: module ‘librosa‘ has no attribute ‘output‘
1.报错信息2.报错原因:在0.8.0以后的版本,librosa都会将这个output函数删除3.解决方法:降低librosa的版本pip install librosa==0.7.2pip install numba==0.48.0原创 2021-01-04 22:41:51 · 5902 阅读 · 5 评论 -
音频信号处理库——librosa上手指南Python
毕设驱动,故写此文,留念。更新时间:2020年12月22日21:24:51安装-极其简单pip 搞定pip install librosa简单上手-加载音频librosa.load音符识别的小栗子,可以识别音乐中的音符的起始时间# Beat tracking example,导入函数库import librosa# 1. Get the file path to an included audio exampleaudio_path = 'D://整理资料//cd//Track01.a原创 2020-12-23 00:13:11 · 2119 阅读 · 0 评论 -
LEARNING FEATURES OF MUSIC FROM SCRATCH 从零开始学习音乐特征
本文定义了一种用于预测音乐录音中的音符的多标签分类任务,以及一种评价协议,并对该任务的几种机器学习架构进行了基准测试:i)从声谱图特征中学习;ii)基于神经网络的端到端学习;iii)卷积神经网络的端到端学习。介绍①学习特征进行低维度的表征,在音乐上也可以达到和图像领域的效果②以有监督的方法学习数据,MusicNet标签来自513个标签类,使用最简单的类定义:不同的乐器/音符组合。表1中报告的故障显示了数据集中每个工具出现的不同注释的数量。例如,一架钢琴有88个键,其中只有83个键在Musi原创 2020-12-14 20:40:29 · 215 阅读 · 1 评论 -
什么是museval 0.3.0 音乐分离评估代码库源码解析
什么是museval 0.3.0一个python包,用于使用musdb18数据集评估源代码分离结果。该软件包是信号分离评估活动(SISEC)的MUS任务的一部分。安装软件包安装,您可以使用pip安装museval分析包:pip install museval用法这个包的目的是评估源代码分离结果并写出有效的json文件。我们希望鼓励用户使用这种评估输出格式作为共享源分离结果的标准化方式。museval设计用于与mus db工具和musdb18数据集结合使用(但是,也可以不使用musdb。单独的M原创 2020-11-29 16:09:11 · 1555 阅读 · 0 评论 -
自动音乐识谱技术基础
基本概念了解基频与音高的区别,单音与多音基频估计的区别,音乐的谐和,非谐和,准谐和等音高与基频声音音调的高低,间接与发出声音物体的振动频率相关,只有对周期性频率的声音。音高才有意义,不存在周期性频率的声音,音高没有意义。基频(基音频率)表示为F0,代表声音振动周期的倒数,上图所示的表示单簧管演奏0.25秒的声音(C2 调,基频为440hz)基频为两个峰值点之间周期,的倒数。基频大小在信号处理采用频率(Hz)表示,通常也使用MIDI值表示,半音程为刻度,两个音间隔为一个八度音(f1=2*f2)他们原创 2020-11-18 22:32:19 · 1604 阅读 · 0 评论 -
【音乐入门】写给理工科人看的乐理(三)五线谱进阶与和声理论
关键字:成人学乐理 乐理基础 乐理入门上一讲我们学习了表示音符相对音高的十二平均律系统和表示绝对音高的五线谱系统,这一讲将对我们已经学到的这些知识做进一步展开,并对和声理论做简单的介绍。和上一讲一样,我们先从历史开始讲起。一、乐理发展史 · 之二人们很早就发现长度比为1:2的两根弦同时拨响可以发出非常协调的声音,但仅仅使用2倍关系的弦长所构造出来的音过于单调了,可以说根本不足以形成音乐,因此人们就尝试用其它的弦长比来发声。一根固定在平面上的弦如果从中间任意位置按在平面上,就形成了左右两段成不同长度比且原创 2020-10-09 12:39:48 · 2100 阅读 · 0 评论 -
写给理工科人看的乐理(一)声学基础
关键字:成人学乐理 乐理基础 乐理入门技术类工作十余年,思维方式愈发趋于纯理性动物:万物有定义、有果必求因、凡事靠推理,诚然这样的方法论太过缺乏人文情怀。不光自己,身边的大批科学家、工程师也深受纯粹理性的毒害。加之在匪帮的体制下从小到大都没有接受过正式的音乐教育,导致绝大多同学根本不懂音乐,也不会欣赏音乐,实乃人生一大憾事。我们要完成自我救赎,基本的方法就是学习一些基本的人文知识。在音乐方面我们最好能学习一门乐器,有一定经济基础的同学最好能买一架钢琴,这不仅可以使我们苦逼的人生变得更多滋有趣,还可以活动原创 2020-10-09 11:22:44 · 902 阅读 · 0 评论 -
写给理工科人看的乐理(二)十二平均律与五线谱
关键字:成年人学乐理 乐理基础 乐理入门在第一讲中我们已经提到了纯八度(中央do和高音do),想必朋友们已经用耳朵有了感性的认识,并知道纯八度的拍音是由频率比为1:2的两个单音构成。物理和数学的原因决定了纯八度的两个单音的频率比例,但这远远不足以构成音乐的,接下来我们就要学习如何在这两个单音之间产生更多的单音。在展开这些知识之前,本着理工科追本溯源的精神,我们先了解一下乐理是如何发展起来的,然后再谈理论。一、乐理发展史 · 之一人类的三大类乐器类别:弦乐,管乐和打击乐有其分别的来源,但音律系统则基本上原创 2020-10-09 10:20:05 · 1575 阅读 · 0 评论 -
我的毕设音乐之路(灯~登登,登灯)
是这样的,我的毕设是要做一个音乐的分离和音乐转录,音乐生成的三合一项目,听起来有点像3+2饼干,我喜欢吃柠檬口味的,众所周知音乐分离这块基本上做到了SOAT的程度,这段时间经过我的查阅资料发现音乐转录这块在2019年也做到了SOAT的程度,看来只有音乐生成这个模块还没有做到,说不定我在看几天就找到了。为什么要做这个从去年开题以来,我一直在对这个领域有不断的信息的来源,也逐渐对这个领域产生了兴趣,从刚开始代码代码挑不通,到现在论文看不懂,也是有所进步的嘛,希望记录下自己的心路历程,不求发多好的论文,只求可原创 2020-05-22 18:41:37 · 348 阅读 · 2 评论 -
一种用于端到端音频分离的多尺度神经网络
一种用于端到端音频分离的多尺度神经网络摘要:1.简介:2.相关的工作3.wave-u-net 模型3.1 基础模型结构3.1.1避免因向上采样而产生的混叠伪影3.2架构改进3.2.2在适当的输入上下文和重新采样的情况下进行预测3.2.3立体通道为了适应C通道的多通道输入,我们简单地将输入M从lm1改为lmc矩阵。3.2.4上采样的Wave-U-net4. 实验4.1 数据集4.2训练过程4.3模型设置以及变量摘要:大多数声源分离的模型通常是依赖于幅度频谱,然而忽略声音的相位信息,使幅度频谱前端的分离性能原创 2020-05-18 15:16:45 · 3028 阅读 · 0 评论 -
MUSDB18-HQ音乐分轨训练集和MUSDB调用方法
MUSDB18-HQ音乐分轨训练集和MUSDB调用方法MUSDB18和MUSDB18-HQ简单介绍MUSDB 组成解析器Musdb库API介绍用法举例设置musdb遍历MUSDB18曲目跟踪属性分离训练集和测试集使用深度学习网络训练musdb评估 Evaluation参考链接MUSDB18和MUSDB18-HQ简单介绍musdb18是一个数据集,包含150首不同类型的全长音乐(大约10小时的...原创 2020-03-30 10:21:57 · 3567 阅读 · 1 评论