用Unity的GetSpectrumData方法识别钢琴曲中的钢琴琴键

Posted 2022-05-23 liu_if_else

目录

• 要解决的问题
• 音律
• • 五度相生律与$\frac{3}{2}$
  • 纯率与$\frac{5}{4}$
  • 十二平均律与$2^{\frac{1}{12}}$
  • 88键钢琴各键键位与音高
• Unity GetSpectrumData获取的音频数据与88键钢琴各键的映射
• 全部代码与测试结果
• 未解决的问题

要解决的问题

在上一篇系列文章中结尾段提到了一个可以利用GetSpectrumData方法检测音乐中音高的思想，本文既是对此进行尝试与验证。

之前那篇文章已经写过，从物理的角度看，声音是一种波动，音乐可则看做是一种有规则的声音波动（无规则是噪音）。不管是旋律(一个声波接着另一个声波)，和声(声波的叠加)，人的听觉喜欢偏和谐的音高组合，从数学上看，这些特定的音高组合其实是一个相对比率问题，既是C(do) D(re) E(mi) F(fa) G(sol) A(la) B(si) C(do) #C #D #F #G #A之间的音高比率，设计这些音高的过程叫做定律，从中总结出的规则叫做音律。

音律

五度相生律与$\frac{3}{2}$

世界上很多文明从不同时期都独立的发现了类似的音律思想，在中国叫五度相生律，它的核心是一个3:2的比率。假如我们定一个基准比率C4=1，通过3:2找到它的上方五度音(度可以理解为五线谱上的线和间，例如do到mi一共经过两线一间，所以它们是三度)G4=3/2，继续通过3:2找到G4的上方五度D5=9/4，任何一个音的八度都是二倍比率，降一个八度找到D4=9/8，D4的五度A4=27/16，A4的五度E5=81/32，降八度E4=81/64，E4的五度B4=243/128…以此类推找出所有音高的比率，再通过一个标准音高值进行相乘即可得出所有音高值。五度相生律的优点是由于所有五度(例如do和so)的频率比都是3比2，所以五度听起来非常协和。

纯率与$\frac{5}{4}$

在五度相生律的基础上引入一个5:4的比率去找一个音的大三度音。例如已知标准c4=1，通过3/2比率找出纯五度g4=3/2，再通过c4的5/4比率找出大三度e4=5/4，通过c4的3/2比率找出纯五度f3=2/3,f4=4/3，再通过f3的5/4比率找出大三度a3=5/6,a4=5/3，通过g4的3/2比率找出d5=9/4,d4=9/8，通过g4的5/4比率找出b4=15/8…纯律的优点是和弦中比较重要的三度音听起来更协和。

纯律和五度相生律最大的问题是不可转调，(转调简单来说就是原曲是C->D->E，转某个调后变成F->G->A，由于每个音之间的音程(相对距离关系）没变，所以听着旋律还是对的)。例如现在的流行音乐（使用十二平均律）有时用C调或降E调都能唱不会有什么问题，但是用纯律或五度相生率写的歌转调后是有可能会跑调的（音的相对关系无法保持一致导致旋律被破坏了）。

十二平均律与$2^{\frac{1}{12}}$

十二平均律是将一个八度(从声波频率倍数1到2的距离)分为了十二个半音，这十二个半音的音高的比率从数学上看是一个等比队列，每个半音之间的比率是2的1/12次方，例如以A4=440Hz为标准,那么#A4=440*$2^{\frac{1}{12}}$=466.164Hz。代入所有键的位置参数，其他键的音高频率可通过一个通用公式$f(n)={(2^{\frac{1}{12}})}^{n-49}\ast 440Hz$得出，其中n是半音的键位。

十二平均律的优点是可以灵活转调，缺点是从数值上看关键音程的协和度没有上面两种高，但是普通人耳基本分辨不出来。

88键钢琴各键键位与音高

钢琴各键的音高既是通过十二平均律计算出来的。

(图1：88键钢琴键位与音高，原图地址）

Unity GetSpectrumData获取的音频数据与88键钢琴各键的映射

第一步将图1中的各键频率保存在一个数组中，可利用上面提到的公式$f(n)={(2^{\frac{1}{12}})}^{n-49}\ast 440Hz$进行计算：

    float[] Herz_PianoKeys = new float[88];
    void InitAllPianoKeysHerz()
    
        for(int i = 0; i < Herz_PianoKeys.Length; i++)
        
            Herz_PianoKeys[i] = Mathf.Pow(Mathf.Pow(2, ET12), ((i + 1) - Pos_A4))*Herz_A4;
        
    

第二步，将每个钢琴键频率数组的index与GetSpectrumData获取的频谱数组中的最接近它的频率的index，一同插入到一个字典中：

    private float[] spectrumData = new float[8192];
    private Dictionary<int, int> KeysDataMap = new Dictionary<int, int>();
    
    void BindKeysAndSpectrumData()
    
    	//由于官网上缺乏说明，其实这里对GetSpectrumData的返回数组中的每个成员的所代表的频率只是猜测，不过从测试结果来看应该是猜对了
        float interval = MaxHerzOfSpectrumData / spectrumData.Length;
        //尝试找到精确的映射。与88和8192两个参数有关。
        //try to find the precise mapping.the algorithm depending on the parameters of 88 and 8192
        for (int i = 0; i < spectrumData.Length; i++)
        
            for (int j = 0; j < Herz_PianoKeys.Length; j++) 
                if (Mathf.Abs((i + 1) * interval - Herz_PianoKeys[j]) <= 0.05f)
                
                    KeysDataMap[j] = i;
                
                else if (KeysDataMap.ContainsKey(j) == false && Mathf.Abs((i + 1) * interval - Herz_PianoKeys[j]) <= 1f)
                
                    KeysDataMap[j] = i;
                
                else if (KeysDataMap.ContainsKey(j) == false && Mathf.Abs((i + 1) * interval - Herz_PianoKeys[j]) <= 2f)
                
                    KeysDataMap[j] = i;
                
            
        
    

最后一步，实时分析spectrumData中对应钢琴键的频率的成员，找出当前帧它们之中最大音量的频率：

    void AnalyzeMusic() 
    
        float maxValue = 0;
        int maxKey = 0;
        foreach (var key in KeysDataMap.Keys)
        
            //find max
            if (spectrumData[KeysDataMap[key]] > maxValue && spectrumData[KeysDataMap[key]] > threadshold)
            
                maxValue = spectrumData[KeysDataMap[key]];
                maxKey = key;
            
        

        if (maxValue>0)
            Debug.Log(maxKey + 1);
            Debug.Log(spectrumData[KeysDataMap[maxKey]]);
            //test
            TestResult(maxKey+1);
        
    

全部代码与测试结果

分析一个从中央C爬音到B再降回C的一个简单音频（
C4(键位40)->C#4(键位41)->D4(键位42)->D#4(键位43)->E4(键位44)->F4(键位45)->F#4(键位46)->G4(键位47)->G#4(键位48)->A4(键位49)->A#4(键位50)->B4(键位51)->A5(键位52)->B4(键位51)->A#4(键位50)->A4(键位49)->G#4(键位48)->G4(键位47)->F#4(键位46)->F4(键位45)->E4(键位44)->D#4(键位43)->D4(键位42)->C#4(键位41)->C4(键位40)

结果(Debug检测出的每个键的键位)：

(图2：爬音音频测试结果)

全部代码：

using System.Collections;
using System.Collections.Generic;
using UnityEngine;

public class PianoKeysDetector : MonoBehaviour

    //88键钢琴
    //88 keys piano
    float[] Herz_PianoKeys = new float[88];

    //A4键440标准赫兹，键位49
    //A4 at key 49 with 440Hz
    float Herz_A4 = 440f;
    int Pos_A4 = 49;

    //12平均律
    //twelve-tone equal temperament
    float ET12 = 1f / 12f;

    //过滤当前音乐杂音阈值
    //filter threadshold of current music cliip
    float threadshold = 0.002f;

    //被分析的音乐来自：https://upload.wikimedia.org/wikipedia/commons/f/f0/ChromaticScaleUpDown.ogg
    //music clip from:https://upload.wikimedia.org/wikipedia/commons/f/f0/ChromaticScaleUpDown.ogg
    private Audiosource thisAudioSource;
    private float[] spectrumData = new float[8192];
    //the value denpended on pc, sould be updated in runtime
    private float MaxHerzOfSpectrumData = 22050;

    //钢琴键位<-->spectrumData位置
    //piano key position<-->spectrumData position
    private Dictionary<int, int> KeysDataMap = new Dictionary<int, int>();

    void InitAllPianoKeysHerz()
    
        for(int i = 0; i < Herz_PianoKeys.Length; i++)
        
            Herz_PianoKeys[i] = Mathf.Pow(Mathf.Pow(2, ET12), ((i + 1) - Pos_A4))*Herz_A4;
        
    

    void BindKeysAndSpectrumData()
    
        float interval = MaxHerzOfSpectrumData / spectrumData.Length;
        //尝试找到精确的映射。与88和8192两个参数有关。
        //try to find the precise mapping.the algorithm depending on the parameters of 88 and 8192
        for (int i = 0; i < spectrumData.Length; i++)
        
            for (int j = 0; j < Herz_PianoKeys.Length; j++) 
                if (Mathf.Abs((i + 1) * interval - Herz_PianoKeys[j]) <= 0.05f)
                
                    KeysDataMap[j] = i;
                
                else if (KeysDataMap.ContainsKey(j) == false && Mathf.Abs((i + 1) * interval - Herz_PianoKeys[j]) <= 1f)
                
                    KeysDataMap[j] = i;
                
                else if (KeysDataMap.ContainsKey(j) == false && Mathf.Abs((i + 1) * interval - Herz_PianoKeys[j]) <= 2f)
                
                    KeysDataMap[j] = i;
                
            
        
    

    void AnalyzeMusic() 
    
        float maxValue = 0;
        int maxKey = 0;
        foreach (var key in KeysDataMap.Keys)
        
            //find max
            if (spectrumData[KeysDataMap[key]] > maxValue && spectrumData[KeysDataMap[key]] > threadshold)
            
                maxValue = spectrumData[KeysDataMap[key]];
                maxKey = key;
            
        

        if (maxValue>0)
            Debug.Log(maxKey + 1);
            Debug.Log(spectrumData[KeysDataMap[maxKey]]);
            //test
            TestResult(maxKey+1);
        
    

    //should be:C4 C#4 D4 D#4 E4 F4 F#4 G4 G#4 A4 A#4 B4 C5 B4 A#4 A4 G#4 G4 F#4 F4 E4 D#4 D4 C#4 C4
    //          40 41  42 43  44 45 46  47 48  49 50  51 52 51 50  49 48  47 46  45 44 43  42 41  40
    List<int> testResults = new List<int>();
    void TestResult(int val)
    
        if (testResults.Count > 0 && val != testResults[testResults.Count - 1])
        
            testResults.Add(val);
        
        else if (testResults.Count == 0)
        
            testResults.Add(val);
        
    

    // Start is called before the first frame update
    void Start()
    
        //例如：44100/2=22050
        //eg:44100/2=22050
        MaxHerzOfSpectrumData = AudioSettings.outputSampleRate / 2;
        thisAudioSource = gameObject.GetComponent<AudioSource>();
        InitAllPianoKeysHerz();
        BindKeysAndSpectrumData();
        thisAudioSource.Play();
        Invoke("DebugTestResults", thisAudioSource.clip.length);
    

    // Update is called once per frame
    void Update()
    
        thisAudioSource.GetSpectrumData(spectrumData, 0, FFTWindow.BlackmanHarris);
        AnalyzeMusic();
    

    //debug function

    void DebugAllPianoKeysHerz()
    
        for (int i = 0; i < Herz_PianoKeys.Length; i++)
        
            Debug.Log(i);
            Debug.Log("Herz:" + Herz_PianoKeys[i]);
        
    
    void DebugKeysDataMap()
    
        foreach (var key in KeysDataMap.Keys)
        
            Debug.Log(key);
            Debug.Log(KeysDataMap[key]);
        
    
    void DebugTestResults()
    
        string result = "";
        for(int i = 0;
以上是关于用Unity的GetSpectrumData方法识别钢琴曲中的钢琴琴键的主要内容，如果未能解决你的问题，请参考以下文章
 
 用Unity的GetSpectrumData方法识别钢琴曲中的钢琴琴键
 游戏开发实验Unity音频效果可视化显示（GetSpectrumData接口）
 在 Unity 中预处理音频频谱数据
 csharp GetSpectrumData.cs
 Unity-解决Input类无法识别的问题
 Unity-解决Input类无法识别的问题