使用 python 從零開始實時音高轉換

Question

我需要一個由兩部分組成的項目的幫助：

1. python 中的實時音高移位器（從頭開始）。
2. 切換來自 2 個不同揚聲器的 2 個聲音的音高。

我有兩個問題：

1. 我找不到音高轉換背后的正確數學來從頭開始實現它，因此我們將不勝感激。
2. 我需要從 2 個聲音中提取音高來切換它們還是有更簡單的解決方案？ 如果不是關於如何從聲音中正確提取音高並進行切換的解釋，我們將不勝感激。

提前致謝。

Answer 1

librosa這樣做的。 來源在

https://github.com/librosa/librosa/blob/main/librosa/effects.py#L253

評論中總結了那里使用的算法，

# Stretch in time, then resample

為了進一步解釋這一點，您可以通過在水平方向上“拉伸”（或擠壓）波形來改變音高。 例如，這將使中間 C (262 Hz) 的振動相距更遠，因此頻率更低——因此，音高也更低。 將其拉伸到兩倍（然后填充樣本以使采樣率保持不變）會將音高降低一個八度音階到 131Hz 的 C3。

看起來困難的部分是有效地重采樣，但代碼中提到了各種算法。

Answer 2

需要臨時代碼的第一部分在這里完成

對於兩個聲音，您肯定需要兩個音高，但是，您可以進行無監督訓練以識別說話者，所以這並不難。

如果它們是混合的並且你想在沒有機器學習方法的情況下這樣做，你也可以使用包含他們的聲音的幀。

還有很多更強大的方法可以找到具有 ML 的揚聲器，其中最著名的是 MFCC， 在此處進行了說明。