如何使用Python在csv文件中播放和弦表示的音乐？

考虑以下代码：

import numpy as np
import pandas as pd
from pathlib import Path
from tensorflow import keras

def load_chorales(filepaths):
    return [pd.read_csv(filepath).values.tolist() for filepath in filepaths]

DOWNLOAD_ROOT = "https://github.com/ageron/handson-ml2/raw/master/datasets/jsb_chorales/"
FILENAME = "jsb_chorales.tgz"
filepath = keras.utils.get_file(FILENAME,
                                DOWNLOAD_ROOT + FILENAME,
                                cache_subdir="datasets/jsb_chorales",
                                extract=True)


jsb_chorales_dir = Path(filepath).parent
train_files = sorted(jsb_chorales_dir.glob("train/chorale_*.csv"))
valid_files = sorted(jsb_chorales_dir.glob("valid/chorale_*.csv"))
test_files = sorted(jsb_chorales_dir.glob("test/chorale_*.csv"))

train_chorales = load_chorales(train_files)
valid_chorales = load_chorales(valid_files)
test_chorales = load_chorales(test_files)

代码下载巴赫合唱团的数据集并将其解压。它由约翰·塞巴斯蒂安·巴赫创作的382首合唱曲组成。每个合唱的时间步长为100到640，每个时间步长包含4个整数，其中每个整数对应钢琴上的音符索引（值0除外，该值表示不播放音符）。这是一个合唱（来自训练集）的示例：

print(train_chorales[0])
[[74, 70, 65, 58],
 [74, 70, 65, 58],
 [74, 70, 65, 58],
 [74, 70, 65, 58],
 [75, 70, 58, 55],
...
 [70, 65, 62, 46],
 [70, 65, 62, 46],
 [70, 65, 62, 46]]

它由192个时间步（或和弦，或192个4个值的列表组成。换句话说，上面的print语句将打印192行4个整数的列表）

在数据集中，音符的范围从36（1倍频程上的C1=C）到81（5倍频程上的A5=A），加上0表示静音

---

我的问题是：如何用Python播放这些合唱？我想听听他们的声音。提取的文件分为3个目录：

train

、

valid

和

test

。这些目录中的文件是

.csv

文件，每个文件有4列（

note0

，

note1

，

note2

，和

note3

），合唱中每个和弦中每个可能按下的钢琴键对应一列。我怎样才能把这些数字列表变成我能听到的东西呢？我以前从未这样做过，所以我不知道如何解决这个问题。我希望我清楚地说明了我想做什么：我想把这些合唱从3个文件

train

，

valid

，和

test

转换成python中的真实声音，换言之，将这些数字转换成巴赫创作的实际音乐。

github用户Agron您可以从下载处理过的巴赫合唱曲，他有自己的合成器，用于生成音频来听音乐

from IPython.display import Audio

def notes_to_frequencies(notes):
    # Frequency doubles when you go up one octave; there are 12 semi-tones
    # per octave; Note A on octave 4 is 440 Hz, and it is note number 69.
    return 2 ** ((np.array(notes) - 69) / 12) * 440

def frequencies_to_samples(frequencies, tempo, sample_rate):
    note_duration = 60 / tempo # the tempo is measured in beats per minutes
    # To reduce click sound at every beat, we round the frequencies to try to
    # get the samples close to zero at the end of each note.
    frequencies = np.round(note_duration * frequencies) / note_duration
    n_samples = int(note_duration * sample_rate)
    time = np.linspace(0, note_duration, n_samples)
    sine_waves = np.sin(2 * np.pi * frequencies.reshape(-1, 1) * time)
    # Removing all notes with frequencies ≤ 9 Hz (includes note 0 = silence)
    sine_waves *= (frequencies > 9.).reshape(-1, 1)
    return sine_waves.reshape(-1)

def chords_to_samples(chords, tempo, sample_rate):
    freqs = notes_to_frequencies(chords)
    freqs = np.r_[freqs, freqs[-1:]] # make last note a bit longer
    merged = np.mean([frequencies_to_samples(melody, tempo, sample_rate)
                     for melody in freqs.T], axis=0)
    n_fade_out_samples = sample_rate * 60 // tempo # fade out last note
    fade_out = np.linspace(1., 0., n_fade_out_samples)**2
    merged[-n_fade_out_samples:] *= fade_out
    return merged

def play_chords(chords, tempo=160, amplitude=0.1, sample_rate=44100, filepath=None):
    samples = amplitude * chords_to_samples(chords, tempo, sample_rate)
    if filepath:
        from scipy.io import wavfile
        samples = (2**15 * samples).astype(np.int16)
        wavfile.write(filepath, sample_rate, samples)
        return display(Audio(filepath))
    else:
        return display(Audio(samples, rate=sample_rate))

play_chords(train_chorales[0])

来源：和回购来源

---

运行第一个设置单元，然后转到第10节，查看音频单元的运行情况。

如果您可以将数据转换为MIDI文件，那么就有可以播放这些文件的模块。@martineau好的，但是如何将数据转换为MIDI文件呢？我很确定还有其他第三方模块可以用于此。