音乐分析软件[关闭]

音乐相似性不是一个容易的问题。

解决这个问题有两种一般方法。

方法1。 向问题扔数据。这是Lastfm和Pandora的方法。它基本上是一个庞大的数据库,由社区或专家组维护。请注意,要使用这种方法,您需要干净的元数据或某种音频指纹解决方案,如 musicbrainz . 一旦你有了特征数据库,你就可以使用诸如 Pearson correlation coefficient 找到类似的物品。

方法2。 把算法扔到问题上。尤其是计算机试听算法。这意味着你要计算一首歌所包含的各种特征的向量,并使用神经网络和各种其他技术,你会发现其他歌曲有相似的向量。此方法已成功用于 automatic genre classification 和 query by example .

如果您正在寻找用于音乐分析的开源软件, marsyas 几乎可以做所有的商业活动。它是大脑的孩子 George Tzanetakis 在他的网站上,你可以找到很多关于电脑试镜的论文。

有一个Web API在 The Echo Nest 其中包括一个get_类似的Web服务,允许您检索一组种子艺术家的类似艺术家。您可以使用它来帮助构建播放列表。EchoNest还具有一组Web API,可以对跟踪(类似于前面提到的Marsya)进行详细分析,可以将其用作基于声学的歌曲相似性方法的基础。(警告,我在回声巢工作)。当然,如果你使用iTunes,有一些罐装的解决方案。iTunes现在有了一个音乐推荐器/播放列表生成器,它将构建来自Simliar艺术家的歌曲播放列表。类似地,mufin公司有一个iTunes插件,可以对你的曲目进行声学分析,并使用这个分析来构建播放列表。

如果您有兴趣建立自己的音乐相似性系统,我建议您看看ISMIR(国际音乐信息检索学会)的会议记录。有很多关于音乐相似性和播放列表的研究,你会发现它们很有用。你可以在ismir.net上找到程序

查询(构建)不是更简单/更高效吗?基于流派/风格等的一些互联网数据库?我使用了last.fm和类似的网站,但从未感觉到他们做了更多的事情(至少结果并没有表明这一点);)

我不太确定你到底想要什么,但是怎么样 MusicBrainz ?

显然,audioScrobbler是last.fm为运行其服务而构建的技术。他们收集人们收听的曲目的统计数据(也像是曲目和艺术家的统计数据)。

那么Last.fm做了社会相似性…听过x的用户也听过y——你喜欢x,所以也许你也会喜欢y。

如果有足够多的用户提交统计数据,那么社会相似性可能比计算机分析方法提供更好的结果。例如,试着向你认识的人查询last.fm api中类似的艺术家——可能会找到一些好的匹配项和一些模糊或古怪的匹配项,这些都反映了真实的人们的听力习惯。你搜索的艺术家越模糊,你就越可能得到奇怪的匹配。

即使你能让乔治·Tzanetakis描述的自动类型分类方法工作得很好,你也忽略了现实生活中人们对质量的主观判断。两首歌看起来都像“爵士乐”,但有很多种不同的爵士乐…我可能对一个最喜欢的爵士音乐家所演奏的非爵士专辑感兴趣。社会相似性更有可能捕捉到这些信息。

我以前用的是Predixis魔术搅拌机。它将对文件中的音频进行简要分析,生成“指纹”,并将其与中央数据库中的指纹进行比较。如果列出,它将在客户机副本中设置一个身份代码,该代码是整个文件分析的结果。如果没有,它将在客户机上进行完整的分析(需要一段时间),并将其上传到中央数据库,同时保留本地副本。从这些信息中,它可以建立一个播放列表,根据实际的声音相互关联曲调。我已经有几年没有使用它了,所以我不知道中央数据库服务器是否还在运行,但是一个网络搜索说不行。它仍然可以工作,但是每个文件都需要完整的分析。