檢查特定聲音（輸入：麥克風）

Question

我的問題：我目前有一個包含我錄制的特定聲音的聲音文件。 我希望能夠識別出該聲音何時再次播放超過 2 秒。 音量對我來說無關緊要，我希望能夠識別何時播放該特定音符。 例如，該文件包含音符 A (la) 的錄音，如果我在麥克風旁邊的鋼琴上彈奏音符 A，樹莓派將打印“正確”或其他內容。 我無法識別音符，之前的研究建議找到頻率/使用 FFT 函數，但我一直無法弄清楚。 您是否推薦我應該使用的任何庫來實現這一點？

理想情況下，我將能夠識別外部聲音的音高。 一旦我有了音高，我就可以在一系列頻率之間檢查它。

Answer 1

您確實想使用numpy和scipy都提供的 FFT 之類的東西。 這個想法是，您收集麥克風輸入的緩沖區，對其應用 FFT，然后您會嘗試找出最強大的頻率是否是您正在尋找的音符的頻率。 有一些表格可以告訴你每個音符的頻率是多少。

您實際上是在制作頻譜圖。

如果你想要一個操作順序：

1. 建築頻率標度：
   1. 使用np.fft.fftfreq確定頻率標np.fft.fftfreq （N 與緩沖區的長度相同）
2. 建立筆記表
   1. 建立什么頻率屬於什么音符（使用參考）
   2. 確定誤差幅度

3. 識別筆記（這部分在循環中）

   1. 在選定大小的緩沖區中收集信號

   2. 應用 FFT

   3. 查找頻域中的最高值

   4. 在查找表中查找錯誤范圍內的相應注釋

有用的功能：

Numpy FFT

Numpy FFTFREQ

Numpy ARGMAX

其他有用的問題：

在 Python 中維護流麥克風輸入