我正在使用 Librosa 的原生 beat_track 函数，如下所示，
from librosa.beat import beat_track
tempo, beat_frames = beat_track(audio, sampling_rate)
歌曲的原始速度为146 BPM，而函数接近73.5 BPM。虽然我了解73.5*2 ~ 148 BPM。我们如何才能实现以下目标，
1. 知道何时放大/缩小估计
2. 通过某种形式的信号预处理来提高准确性。
我正在快速学习 DSP，因此可能不习惯所有的概念。任何指导表示赞赏。 谢谢。
【问题讨论】：
标签： signal-processing librosa audio-analysis
您观察到的是所谓的“八度误差”，即估计错误的因子为 2、1/2、3 或 1/3。这是全局节奏估计中一个相当普遍的问题。可以在An Experimental Comparison of Audio Tempo Induction Algorithms 中找到关于全局速度估计的精彩经典介绍。文章还介绍了常用的指标 Acc1 和 Acc2。
自从那篇文章发表以来，许多研究人员都试图解决八度误差问题。 （从我非常有偏见的角度来看）最有希望的是我自己的A Single-Step Approach to Musical Tempo Estimation Using a Convolutional Neural Network（你可能还想看看这个later paper，它使用了一个更简单的神经网络架构）和Multi-Task Learning of Tempo and Beat: Learning One to Improve the Other Böck 等人。
这两种方法都使用convolutional neural networks (CNNs) 来分析频谱图。虽然 CNN 也可以在 librosa 中实现，但它目前缺少可以轻松实现此目的的程序化基础架构。另一个音频分析框架似乎在这方面领先一步：Essentia。它能够运行TensorFlow-models。
【讨论】：