Audio 在代码中可以表示/计算声音的哪些属性？

这本书可能是写给有音乐理论知识的人的。人类可以识别声音的某些特征，如音调、频率等。基于这些特征，我们可以将一个声音与另一个声音进行比较，并获得相似性的度量。例如，区分钢琴和吉他的声音相当容易，即使两者演奏的音符相同

如果我们以编程方式进行相同的过程，从两个音频样本开始，我们可以计算声音的哪些属性并用于比较？从技术上讲，有没有流行的API来做这类事情

---

旁白：如果我在问题中犯了一些基本的错误，或者我听起来像个彻头彻尾的音乐迷，请原谅。这是因为我是一个完整的音乐迷。

声音的任何和所有属性都可以表示/计算-你只需要知道如何表达。其中一个更有趣的是光谱分析/光谱编程（请参阅）。

有两组属性

“频域”——特定样本中泛音的振幅。这是每个泛音的振幅

“时域”——振幅样本随时间的序列

您可以使用在两者之间进行转换

时域就是声音的“本质”——一系列振幅。频域是我们“听到的”——一组泛音和音调，它们决定乐器、和声和不和谐音

---

两个频率随时间变化的混合是对旋律的感知。

忽略所有你可能不熟悉的任意人类创造的术语，并考虑对现实的更简单的描述。

声音，就像我们感知到的任何其他东西一样，只是一种时空模式，在这个例子中是“运动”。。。原子（空气粒子、钢琴弦等）。物体的运动导致空气的运动，从而在我们的耳朵中产生压力波，我们将其解释为声音

计算上，这很容易建模；然而，由于这种运动可以是任何形式——从剧烈的随机振动到高度规则的振荡——通常没有恒定的可识别的“频率”，因为它通常不是一种完全规则的振荡。运动物体的形状、通过它的反射波等都会在空气中形成非常复杂的图案。。。就像你击打一池水时看到的波浪一样

---

问题归结为识别常见的运动模式和特征（在非常高的速度下）。因为模式是任意的，所以您确实需要一个系统来学习和分类常见的运动模式（即在计算机中以数字表示的运动）到各种各样的概念性的桶中。

您想要的任何属性都可以用代码来测量或表示。你想要什么

是否要测试两个样品是否来自同一仪器？不同乐器的两个样品具有相同的音高？两个样本的振幅相同？同样的腐烂？这两种声音有相似的光谱质心？那两个样品是一样的吗？它们是相同的，但可能有一个被混响或通过了过滤器？

有易于使用的分析API，可以找出你可能想知道的关于一段音乐的所有信息

---

您可能会发现（警告，pdf链接）很有帮助。

对您的问题没有很好的答案，但“音色”是声音的“声音”（钢琴与吉他弹奏同一音符）的术语，因此这可能是进一步调查的途径。此外，音高和频率是一样的（频率是一个更专业的术语，音高是一个更音乐的术语），因为它的价值。