如何在 Python 中获取 BPM 和节奏音频功能 [关闭]

Posted 2023-02-25

【中文标题】如何在 Python 中获取 BPM 和节奏音频功能 [关闭]

【英文标题】：How to get BPM and tempo audio features in Python [closed]

【发布时间】：2011-12-26 10:54:30

【问题描述】：

我参与了一个项目，该项目需要我提取每分钟节拍 (BPM)、节奏等歌曲特征。但是，我还没有找到可以准确检测这些特征的合适 Python 库。

有人有什么建议吗？

（在Matlab中，我确实知道一个叫Mirtoolbox的项目，它可以在处理本地mp3文件后给出BPM和节奏信息。）

【问题讨论】：

编码格式是什么？我从来没有听说过python声音库......再说一次，我远非无所不能和无所不知。启动你的谷歌机器并输入“python声音库”

【参考方案1】：

这个答案是在一年后出现的，但无论如何，记录在案。我发现了三个带有 python 绑定的音频库，可以从音频中提取特征。它们不是那么容易安装，因为它们实际上是用 C 语言编写的，您需要正确编译 python 绑定并将它们添加到要导入的路径中，但在这里它们是：

Yaafe Aubio LibXtract Essentia

【讨论】：

现在我推荐使用 Essentia (essentia.upf.edu)，这是我前段时间贡献的一个很棒的库。

【参考方案2】：

Echo Nest API 正是您要找的：

http://echonest.github.io/remix/

Python 绑定很丰富，但安装 Echo Nest 可能会很痛苦，因为团队似乎无法构建可靠的安装程序。

但是它不做本地处理。相反，它会计算音频指纹并将歌曲上传到 Echo Nest 服务器，以便使用它们不公开的算法进行信息提取。

【讨论】：

是否有本地处理项目，可以仅根据本地 mp3/wav 文件提取 bpm 特征。

大约一年前我对此事进行了一些研究，Echo Nest 是 Python 最简单的解决方案。我不确定现在是否有其他可用的库 - 如果你找到它们，请把它们作为答案

我确实和你有同样的发现。没有可以提取音乐特征的可用库。

或者，有没有其他类似 echonest 的库。即使它只包含一些特征提取功能。

EchoNest 不会再发布 API 密钥了...developer.echonest.com/account/register

【参考方案3】：

我通过@scaperot here 找到了可以帮助您的代码：

import wave, array, math, time, argparse, sys
import numpy, pywt
from scipy import signal
import pdb
import matplotlib.pyplot as plt

def read_wav(filename):

    #open file, get metadata for audio
    try:
        wf = wave.open(filename,'rb')
    except IOError, e:
        print e
        return

    # typ = choose_type( wf.getsampwidth() ) #TODO: implement choose_type
    nsamps = wf.getnframes();
    assert(nsamps > 0);

    fs = wf.getframerate()
    assert(fs > 0)

    # read entire file and make into an array
    samps = list(array.array('i',wf.readframes(nsamps)))
    #print 'Read', nsamps,'samples from', filename
    try:
        assert(nsamps == len(samps))
    except AssertionError, e:
        print  nsamps, "not equal to", len(samps)

    return samps, fs

# print an error when no data can be found
def no_audio_data():
    print "No audio data for sample, skipping..."
    return None, None

# simple peak detection
def peak_detect(data):
    max_val = numpy.amax(abs(data)) 
    peak_ndx = numpy.where(data==max_val)
    if len(peak_ndx[0]) == 0: #if nothing found then the max must be negative
        peak_ndx = numpy.where(data==-max_val)
    return peak_ndx

def bpm_detector(data,fs):
    cA = [] 
    cD = []
    correl = []
    cD_sum = []
    levels = 4
    max_decimation = 2**(levels-1);
    min_ndx = 60./ 220 * (fs/max_decimation)
    max_ndx = 60./ 40 * (fs/max_decimation)

    for loop in range(0,levels):
        cD = []
        # 1) DWT
        if loop == 0:
            [cA,cD] = pywt.dwt(data,'db4');
            cD_minlen = len(cD)/max_decimation+1;
            cD_sum = numpy.zeros(cD_minlen);
        else:
            [cA,cD] = pywt.dwt(cA,'db4');
        # 2) Filter
        cD = signal.lfilter([0.01],[1 -0.99],cD);

        # 4) Subtractargs.filename out the mean.

        # 5) Decimate for reconstruction later.
        cD = abs(cD[::(2**(levels-loop-1))]);
        cD = cD - numpy.mean(cD);
        # 6) Recombine the signal before ACF
        #    essentially, each level I concatenate 
        #    the detail coefs (i.e. the HPF values)
        #    to the beginning of the array
        cD_sum = cD[0:cD_minlen] + cD_sum;

    if [b for b in cA if b != 0.0] == []:
        return no_audio_data()
    # adding in the approximate data as well...    
    cA = signal.lfilter([0.01],[1 -0.99],cA);
    cA = abs(cA);
    cA = cA - numpy.mean(cA);
    cD_sum = cA[0:cD_minlen] + cD_sum;

    # ACF
    correl = numpy.correlate(cD_sum,cD_sum,'full') 

    midpoint = len(correl) / 2
    correl_midpoint_tmp = correl[midpoint:]
    peak_ndx = peak_detect(correl_midpoint_tmp[min_ndx:max_ndx]);
    if len(peak_ndx) > 1:
        return no_audio_data()

    peak_ndx_adjusted = peak_ndx[0]+min_ndx;
    bpm = 60./ peak_ndx_adjusted * (fs/max_decimation)
    print bpm
    return bpm,correl


if __name__ == '__main__':
    parser = argparse.ArgumentParser(description='Process .wav file to determine the Beats Per Minute.')
    parser.add_argument('--filename', required=True,
                   help='.wav file for processing')
    parser.add_argument('--window', type=float, default=3,
                   help='size of the the window (seconds) that will be scanned to determine the bpm.  Typically less than 10 seconds. [3]')

    args = parser.parse_args()
    samps,fs = read_wav(args.filename)

    data = []
    correl=[]
    bpm = 0
    n=0;
    nsamps = len(samps)
    window_samps = int(args.window*fs)         
    samps_ndx = 0;  #first sample in window_ndx 
    max_window_ndx = nsamps / window_samps;
    bpms = numpy.zeros(max_window_ndx)

    #iterate through all windows
    for window_ndx in xrange(0,max_window_ndx):

        #get a new set of samples
        #print n,":",len(bpms),":",max_window_ndx,":",fs,":",nsamps,":",samps_ndx
        data = samps[samps_ndx:samps_ndx+window_samps]
        if not ((len(data) % window_samps) == 0):
            raise AssertionError( str(len(data) ) ) 

        bpm, correl_temp = bpm_detector(data,fs)
        if bpm == None:
            continue
        bpms[window_ndx] = bpm
        correl = correl_temp

        #iterate at the end of the loop
        samps_ndx = samps_ndx+window_samps;
        n=n+1; #counter for debug...

    bpm = numpy.median(bpms)
    print 'Completed.  Estimated Beats Per Minute:', bpm

    n = range(0,len(correl))
    plt.plot(n,abs(correl)); 
    plt.show(False); #plot non-blocking
    time.sleep(10);
plt.close();

【讨论】：

这很酷，但我很好奇它的工作原理，因为简单的 bpm 检测器确实很简单。你有没有尝试过像this 这样的替代方法？

【参考方案4】：

librosa 是您要查找的包。它包含广泛的音频分析功能。 librosa.beat.beat_track() 和 librosa.beat.tempo() 函数将为您提取所需的特征。

也可以使用librosa中提供的函数获得色度、MFCC、过零率等光谱特征和节奏图等节奏特征。

【参考方案5】：

Librosa 具有 librosa.beat.beat_track() 方法，但您需要提供 BMP 的估计值作为“start_bpm”参数。不确定它有多准确，但也许值得一试。

【参考方案6】：

我最近遇到了Vampy，这是一个包装插件，使您可以在任何 Vamp 主机中使用用 Python 编写的 Vamp 插件。 Vamp 是一个音频处理插件系统，用于从音频数据中提取描述性信息的插件。希望对您有所帮助。

【讨论】：

Vamp 网站不清楚如何安装 Vampy，他们建议使用 SonicAnnotator 等工具，但该网站似乎已关闭...omras2.org/SonicAnnotator 如果 Vampy一个 python 包，可以通过 pip/conda 轻松安装或通过 git 克隆，使用它作为命令行工具的简单方法。