C# 情绪和频谱之间的关系是已知的？

我将FFT应用于音频文件，显示播放音频文件时的频率分布

根据频率分布快照或一系列快照，是否有科学的方法来发现欣快/悲伤/忧郁等情绪

我的想法是：

超过某个阈值（约为最高峰值的20%）的最大值的数量大于或小于某个值，则会导致欣快或不欣快。该理论认为，欣快的音乐部分通常伴随着许多和弦/不同的乐器，因此当同时演奏许多不同的频率时，很可能是欣快的

---

虽然有很多误报。

你可以在谷歌上进行更多的研究，但不仅仅是频率决定了音乐的情绪，还有很多误报 根据上述因素，您可以设置音乐的特定情绪，
节拍很慢，但频率/音符很高，这可能会强调一种很深的悲伤

---

你可以在互联网上查找不同种类的音乐，然后确定它们的节奏、频率、音符、音色，它们的模式将匹配特定种类的音乐。你可以使用神经网络来熟悉你的系统，根据你所研究的模式来确定声音的情绪。

你可以在谷歌上进行更多的研究，但不仅仅是频率决定了音乐的情绪，还有很多
根据上述因素，您可以设置音乐的特定情绪，
节拍很慢，但频率/音符很高，这可能会强调一种很深的悲伤

---

你可以在互联网上查找不同种类的音乐，然后确定它们的节奏、频率、音符、音色，它们的模式将匹配特定种类的音乐。你可以使用神经网络来熟悉你的系统，根据你所研究的模式来确定声音的情绪。

你观察峰值与背景强度的想法将告诉你音乐的“噪音”与“音调”，这可能告诉你它是乐器还是打击乐器，尽管该技术可能会对其他类型的噪音（如环境/环境噪音和声音效果）产生误解。我不认为这能给你带来多大好处

从FFT中，你还可以导出其他参数，如光谱质心，它与我们对亮度的感知密切相关，等等

然而，FFT本身并没有开始捕捉我们所谓的音乐的“情绪”或“情感内容”。未捕获信息的一些示例：

• 音乐的调子。仅仅因为一首歌在一个小调中，并不表示它“悲伤”，但它在歌曲的情绪中起着重要作用
• 节奏。歌曲的节奏是情感内容的主要指标

---

如果你想知道音乐的峰值与背景的对比强度，你就会知道音乐的“噪音”与“音调”，这可能会告诉你它是乐器还是打击乐器，尽管这种技术可能会将打击乐器误解为其他类型的噪音，如环境/环境噪音和声音效果。我不认为这能给你带来多大好处

从FFT中，你还可以导出其他参数，如光谱质心，它与我们对亮度的感知密切相关，等等

然而，FFT本身并没有开始捕捉我们所谓的音乐的“情绪”或“情感内容”。未捕获信息的一些示例：

• 音乐的调子。仅仅因为一首歌在一个小调中，并不表示它“悲伤”，但它在歌曲的情绪中起着重要作用
• 节奏。歌曲的节奏是情感内容的主要指标

---

您可以使用机器学习/NeuralNets进行节目，但据我所知，每种音乐类型都有特定的模式，您可以使用这些模式来确定它们是什么类型。@AsshO.Le请详细说明。你说的一首歌中的不同部分是什么意思？我不想检测一首歌的“全球”情绪，但我想找出应该是欣快的区域，以及在同一首歌中介于这两者之间/导致新欣快部分的区域。这是实时的。你可以使用机器学习/神经网络进行程序，但据我所知，每种音乐类型都有特定的模式，你可以用它们来确定它们是什么类型。@AsshO.Le请详细说明。你说的一首歌中的不同部分是什么意思？我不想检测一首歌的“全球”情绪，但我想找出应该是欣快的区域，以及在同一首歌中介于这两者之间/导致新欣快部分的区域。这是实时的。此外，根据峰值之间的关系，声音可能非常刺耳和不和谐，或者非常和谐和愉快。此外，根据峰值之间的关系，声音可能非常刺耳和不和谐，或者非常和谐和愉快。