Javascript 每隔几毫秒获取mp3文件的音高

因此，我尝试使用javascript或python（或其他任何可以做到这一点的工具）每隔几毫秒获取一个mp3文件的音高和音量。非常感谢您的帮助。

基音与信号振幅的变化速度有关，因此需要在一段时间内计算，而不是在瞬间

我建议您将mp3解码为波形（有Python库可以将其放入numpy数组中），然后一次进行一部分，并执行以下操作：

在块上运行FFT（搜索numpy FFT）以查找频率内容。通常，特定音高的声音会有一个基频，也会有谐波含量，即基频整数倍的频率。此外，您可能有多个声音，因此将有多个基频，每个基频都有自己的谐波。FFT将计算出有哪些频率，假设他阻塞，然后永远重复。不幸的是，信号的开始和结束振幅在块的开始和结束处不匹配，所以这个假设就像振幅突然跳变一样。这将导致FFT结果中出现伪影，因此，如果应用程序中存在问题，则需要在运行FFT之前查看窗口。这会在起点和终点衰减块，因此它们在零处对齐

确定与要记录的基音相关的FFT峰值。例如，这可能是最高峰值。该峰值的频率是该块的基音

取块的均方根（RMS）（来自原始阵列，而不是FFT）并将其用作体积的度量

然后，您可以移动到下一个块并重复，因此，如果块大小为440个采样（44kHz采样率下为10ms），则将第一个块从0移到439，然后将下一个块从440移到879，以此类推

---

如果您愿意，您也可以使用滑块，例如，每次将440个样本块向前移动44个样本，因此第一个样本块为0到439，下一个样本块为44到483。

基音与信号振幅变化的速度有关，因此需要在一个时间块上计算，而不是在瞬间

我建议您将mp3解码为波形（有Python库可以将其放入numpy数组中），然后一次进行一部分，并执行以下操作：

在块上运行FFT（搜索numpy FFT）以查找频率内容。通常，特定音高的声音会有一个基频，也会有谐波含量，即基频整数倍的频率。此外，您可能有多个声音，因此将有多个基频，每个基频都有自己的谐波。FFT将计算出有哪些频率，假设他阻塞，然后永远重复。不幸的是，信号的开始和结束振幅在块的开始和结束处不匹配，所以这个假设就像振幅突然跳变一样。这将导致FFT结果中出现伪影，因此，如果应用程序中存在问题，则需要在运行FFT之前查看窗口。这会在起点和终点衰减块，因此它们在零处对齐

确定与要记录的基音相关的FFT峰值。例如，这可能是最高峰值。该峰值的频率是该块的基音

取块的均方根（RMS）（来自原始阵列，而不是FFT）并将其用作体积的度量

然后，您可以移动到下一个块并重复，因此，如果块大小为440个采样（44kHz采样率下为10ms），则将第一个块从0移到439，然后将下一个块从440移到879，以此类推

---

如果需要，也可以使用滑块，例如，每次将440个样本块向前推进44个样本，因此第一个块为0到439，下一个块为44到483。

文件通常没有卷。你能更详细地描述一下你的问题吗。也许你正在浏览器中运行mp3文件？或者在服务器上，如果也可以使用python…我正在尝试将mp3文件转换为我自己的自定义文件类型，可以每隔几毫秒具有音调和振幅，以便有一种方法将音频导入到当前没有方法实现的平台中。我可以尝试使用midi，但对于复杂的音频和人类语言来说，这太不准确了。目前，这个问题没有试图亲自解决这个问题。因此，不打算提供开箱即用的编程解决方案。在询问我们之前，请尝试自己解决问题。文件通常没有卷。你能更详细地描述一下你的问题吗。也许你正在浏览器中运行mp3文件？或者在服务器上，如果也可以使用python…我正在尝试将mp3文件转换为我自己的自定义文件类型，可以每隔几毫秒具有音调和振幅，以便有一种方法将音频导入到当前没有方法实现的平台中。我可以尝试使用midi，但对于复杂的音频和人类语言来说，这太不准确了。目前，这个问题没有试图亲自解决这个问题。因此，不打算提供开箱即用的编程解决方案。在询问我们之前，请尝试自己解决问题。