Уповільнення відтворення музики, зберігаючи частоту

Відтворення музичного аудіо з меншою швидкістю знизило б його висоту (частоту). Чи є інструмент та теорія для уповільнення відтворення пісні, зберігаючи частоту однаковою? Я припускаю, що можна зробити перетворення Фур'є або вейвлет. Здається, потрібно або попередньо вибрати розмір вікна, або динамічно вибрати основу вейвлетів. Чи є якась конкретна і детальна теорія та застосування для цього?

Так, деякі з нас можуть це зробити, ви можете пришвидшити або сповільнити роботу, не впливаючи на крок, деякі хлопці називають це додатками Time Stretch, є різні способи зробити це, ви можете зробити в частотній або часовій області, вам потрібно вибрати що найкраще для вас, ви знайдете деякі переваги та недоліки кожного.

Часовий домен:

У Time Domain ви можете спробувати деякі методи, такі як:

• TDHS (Гармонічне масштабування в часовій області)
• SOLA (Додати синхронне перекриття)
• PSOLA (додавання синхронного перекриття шага)
• WSOLA (Додати подібність форми перекриття хвилі)

Плюси: швидко, деякі алгоритми легко зрозуміти, хороша якість в однотонних звуках.

Мінуси: Зазвичай вам потрібна дуже гарна пікова доріжка, щоб сплавитись у потрібному положенні, це важко зробити :-(, тож якщо ваш крок не виходить з ладу або не працює в поліфонічних звуках, ці алгоритми дадуть багато збоїв / артефактів у вихідному звуці.

Домен частоти:

Весь час розтягнення, яке мені відомо в частотній області, засноване на фазових методах вокодера .

Плюси: буде працювати в поліфонічних або однотонних звуках.

Мінуси: може бути болісно зрозуміти всю математику, реалізація трохи складна, не така швидка, як коди доменних часових доменів, для голосу я віддаю перевагу результатам часової області, деякі хитрощі для поліпшення результату стандартного фазового вокодера не поділяються.

Я можу сказати, що розмір вікна та розмір хопу є однією з ключових для якості фазового вокодера, зазвичай ми обираємо 4xперекриття для ресинтезу. 4096Для моїх вух вистачить одного розміру вікна Ханна (звичайно, якщо у вас є потужність обробки для цих розмірів) , стандартний факторний вокодер може додати деякі зворотні ефекти, щоб спробувати уникнути подібних проблем, можливо, вам потрібно заблокувати фазу.

Щоб отримати докладнішу інформацію, подивіться у папері Міллера та Портнофф

Описаний вами інструмент / теорія - це дійсно велика область досліджень музичних технологій, що в народі називається звуковою модифікацією часового масштабу. Великою складовою цього поля є те, як ви можете запобігти чутним змінам частоти після розтягування часу. Це можна вирішити як методами частоти, так і часової області, залежно від обмежень або цілей вашої програми. Запис у вікіпедії для модифікації часового масштабу / тону звуку - хороша відправна точка.

Якщо ви прагнете використовувати підхід, використовуючи частоту / вейвлет, розмір вікна та вибір бази впливатимуть на те, наскільки добре ви зможете локалізувати сигнал. Щоб використовувати приклад STFT, довге вікно буде добре працювати при стаціонарних синусоїдах, але знищить перехідні процеси. Більш коротке вікно забезпечить кращу перехідну реакцію за рахунок локалізації частотної області. Продуктивність інших баз вейвлет буде залежати від характеру проекції вашого сигналу на основу.

Нижче наведено посилання на просту і цінну функцію підручника в C ++ (smbPitchShift.cpp) Стефана М. Бернзе, яка може уповільнити або прискорити музику, не змінюючи її висоту.

Він випустив цей код під ліцензією The Wide Open License (WOL). У рамках моєї програми я зміг адаптувати його функцію до уповільнення музики в режимі реального часу - тобто під час відтворення mp3-файлу та додатково одночасно виявляючи тактовий сигнал на цьому сигналі mp3.

Я також включив посилання на веб-сайт Бернзе, який містить його докладні описи про час розтягування та зміщення піктограм аудіосигналів, таких як музика.

https://github.com/AndyA/BatPhone/blob/master/pitchshift.c

http://blogs.zynaptiq.com/bernsee/time-pitch-overview/