Müzik İşlemenin Temelleri için Python notebook’ları
(audiolabs-erlangen.de)- FMP notebooks, ses odaklı Fundamentals of Music Processing’i öğrenmek ve öğretmek için Jupyter tabanlı eğitim materyalleridir
- Music Information Retrieval(MIR) uygulama senaryolarını temel alarak teori, formüller, görseller, ses örnekleri ve Python kod örneklerini tek bir akışta birleştirir
- Statik HTML kurulum gerektirmeden hemen görüntülenebilir; ancak kod çalıştırmak için notebook’ların ve verilerin indirilmesi, ayrıca Jupyter sunucusu ortamının yapılandırılması gerekir
- Güncel sürüm 1.2.6’dır; metin ve görseller CC BY-NC-SA 4.0,
libfmpPython paketi ise MIT lisansı ile sunulur - Ders kitabının 8 bölümünü izleyerek müzik gösterimleri, Fourier analizi, senkronizasyon, yapı analizi, akor tanıma, tempo ve beat takibi, ses arama ve ses ayrıştırmaya kadar uzanır
FMP notebooks’un amacı
- FMP notebooks, Fundamentals of Music Processing öğrenimi ve dersleri için hazırlanmış bir eğitim materyalleri koleksiyonudur
- Ses alanına odaklanır ve Music Information Retrieval(MIR) içindeki iyi bilinen konuları uygulama senaryosu olarak kullanır
- Tek bir Jupyter notebook tabanlı çerçeve içinde şu öğeleri bir araya getirir
- MIR senaryolarına giriş
- Görseller ve ses örnekleri
- Teknik kavramlar ve matematiksel ayrıntılar
- Teorinin uygulanmasını gösteren Python kod örnekleri
- Öğrenciler teori ve pratiği birlikte çalışabilir, öğretmenler ders materyali olarak kullanabilir, araştırmacılar ise MIR işleri için referans uygulamalara başvurabilir
Okuma ve çalıştırma yöntemi
- Yalnızca statik görüntüleme gerekiyorsa dışa aktarılmış HTML sürümü kurulum olmadan hemen kullanılabilir
- Açıklamalara, görsellere ve ses örneklerine HTML bağlantıları üzerinden erişilebilir
- Python kod hücrelerini çalıştırmak için şu adımlar gerekir
- Notebook’ları ve verileri indirme
- Çalıştırma ortamı oluşturma
- Jupyter sunucusunu başlatma
- Jupyter oturumu içinde IPYNB bağlantılarını kullanma
- Ayrıntılı çalıştırma adımları Get Started sayfasında özetlenmiştir
Sürüm ve lisans
- FMP notebooks sürekli güncellenir ve güncel sürüm 1.2.6’dır
- Notebook’lardaki metinler ve görseller Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License ile dağıtılır
- Python paketi
libfmp, MIT lisanslıdır ve GitHub üzerinden sunulur - Ses materyallerine kendi özgün lisansları uygulanır
- Sitede Fundamentals of Music Processing kitabındaki metin ve görsellerin bir kısmı yer alır
Notebook yapısı
- FMP notebooks, ders kitabının 8 bölümüne göre yapılandırılmıştır
-
Basics
- Başlangıç yöntemleri, Jupyter framework’ü, Anaconda, multimedya, Python programlama, görselleştirme, ses, Numba, anotasyonlar,
libfmpve MIR kaynaklarını ele alır
- Başlangıç yöntemleri, Jupyter framework’ü, Anaconda, multimedya, Python programlama, görselleştirme, ses, Numba, anotasyonlar,
-
Music Representations
- Müzik notasyonu, MIDI, ses sinyalleri, dalga biçimi, pitch, loudness ve tınıyı ele alır
-
Fourier Analysis of Signals
- Ayrık ve analog sinyaller, sinüs dalgaları, üstel fonksiyonlar, Fourier dönüşümü, Fourier gösterimi, DFT, FFT ve STFT’yi ele alır
-
Music Synchronization
- Chroma özellikleri, dinamik programlama, dynamic time warping(DTW), hizalama ve kullanıcı arayüzlerini ele alır
-
Music Structure Analysis
- Benzerlik matrisi, tekrarlar, thumbnail, homojenlik, yenilik, değerlendirme, precision, recall, F-measure, görselleştirme ve scape plot’u ele alır
-
Chord Recognition
- Armoni, müzik teorisi, akorlar, gamlar, şablonlar, hidden Markov model(HMM) ve değerlendirmeyi ele alır
-
Tempo and Beat Tracking
- Onset, novelty, tempo, tempogram, beat, periyodiklik, Fourier analizi ve otokorelasyonu ele alır
-
Content-Based Audio Retrieval
- Tanımlama, fingerprint, ses eşleştirme, sürüm tanımlama ve cover song’u ele alır
-
Musically Informed Audio Decomposition
- Harmonic/percussive ayrımı, sinyal yeniden yapılandırma, instantaneous frequency, fundamental frequency(F0), trajectory ve nonnegative matrix factorization(NMF)’yi ele alır
Kaynaklar ve paket
- Materyaller kullanılırken Fundamentals of Music Processing – Using Python and Jupyter Notebooks kitabına atıf yapılması önerilir
- İlgili kaynaklar şunlardır
- Meinard Müller, Fundamentals of Music Processing – Using Python and Jupyter Notebooks, 2nd edition, Springer Verlag, 2021
- Meinard Müller and Frank Zalkow, FMP Notebooks: Educational Material for Teaching and Learning Fundamentals of Music Processing, ISMIR 2019
- Meinard Müller and Frank Zalkow, libfmp: A Python Package for Fundamentals of Music Processing, JOSS 2021
- Meinard Müller, An Educational Guide Through the FMP Notebooks for Teaching and Learning Fundamentals of Music Processing, Signals 2021
- Kod örneklerinin bir kısmı başka kod koleksiyonlarından etkilenmiştir; özellikle LibROSA, Notes on Music Information Retrieval ve Fundamentals of Music Processing dersiyle bağlantılıdır
1 yorum
Hacker News yorumları
"Raspberry Pi for Dummies" içinde SonicPi ve PyGame'i ele alan bir bölüm var
SonicPi, müzik üretimi ve eğitim için bir live coding ortamı; anladığım kadarıyla ChucK'a benziyor
PyGame'de SDL mixer tabanlı
pygame.mixerbulunuyor gibi görünüyorGodot oyun motoru ses efektlerini destekliyor: https://docs.godotengine.org/en/stable/tutorials/audio/audio...
BespokeSynth'te notaları ve kodu sentezlemek ve ses akışlarını dönüştürmek için Python kullanabilen bir
"script"modülü var: https://github.com/BespokeSynth/BespokeSynth/blob/main/resou... ( https://github.com/BespokeSynth/BespokeSynth/blob/main/bespo... )AllenDowney/ThinkDSP not defterleri NumPy, freesound vb. kaynaklara atıfta bulunuyor: https://github.com/AllenDowney/ThinkDSP
Ses işlemeye dair düşünme modelini kurmama çok yardımcı oldu; bu depoda da çok iyi kaynaklar var: https://github.com/BillyDM/Awesome-Audio-DSP
Müziğe odaklanıyor ama konuşma ya da ortam sesi gibi diğer ses türleri için de oldukça ilgili
Bunun dışında uygun