检查特定声音（输入：麦克风）

Question

我的问题：我目前有一个声音文件，其中包含我录制的特定声音。我希望能够识别该声音何时再次播放超过 2 秒。音量对我来说并不重要，我希望能够识别播放该特定音符的时间。例如，该文件包含音符 A (la) 的录音，如果我在麦克风旁边的钢琴上弹奏音符 A，覆盆子 pi 将打印“正确”或其他内容。我无法识别音符，之前的研究建议找到频率/使用 FFT 功能，但我一直无法弄清楚。您是否推荐我应该使用的任何库来实现这一点？

理想情况下，我能够识别外部声音的音高。一旦有了音高，我就可以在一系列频率之间进行检查。

Answer 1

您确实想使用像 FFT 这样的东西，numpy 和 scipy 都提供。这个想法是您收集麦克风输入的缓冲区，对其应用 FFT，然后您将尝试找出最强大的频率是否是您正在寻找的音符的频率。存在tables 可以告诉你每个音符的频率。

您实际上是在制作spectrogram。

如果您想要操作顺序：

1. 建筑频率标度：
   1. 使用np.fft.fftfreq（N 相同）确定频率范围 长度作为你的缓冲区）
2. 构建注释表
   1. 确定什么频率属于什么音符（使用参考）
   2. 确定误差范围

3. 识别笔记（这部分在循环中）

   1. 在选定大小的缓冲区中收集信号

   2. 应用 FFT

   3. 在频域中查找最大值

   4. 在查找表的错误范围内查找对应的注释

有用的功能：

Numpy FFT

Numpy FFTFREQ

Numpy ARGMAX

其他有用的问题：

Maintain a streaming microphone input in Python