この課題では、あなたの仕事は、mp3形式で簡単な録音を行い、ファイル内のビートの時間オフセットを見つけることです。2つの録音例がここにあります。

https://dl.dropboxusercontent.com/u/24197429/beats.mp3 https://dl.dropboxusercontent.com/u/24197429/beats2.mp3

これは、前の2つよりもはるかにノイズの多い3番目の録音です。

https://dl.dropboxusercontent.com/u/24197429/noisy-beats.mp3

たとえば、最初の録音の長さは65秒であり、正確に76ビートを含みます（誤算しない限り）。あなたの仕事は、そのようなmp3ファイルを入力として受け取り、ファイル内のビートのミリ秒単位の時間オフセットのシーケンスを出力するプログラムを考案することです。ビートは、もちろん、ギタリストが1つまたは複数の弦を弾くときに発生します。

あなたのソリューションは：

• 同様の「複雑さ」のmp3ファイルで作業します。ノイズの多い録音や、すぐに演奏されるメロディに失敗する可能性があります-私は気にしません。
• かなり正確に。許容誤差は+/- 50ミリ秒です。したがって、ビートが1500ミリ秒で発生し、ソリューションが1400を報告する場合、それは受け入れられません。
• フリーソフトウェアのみを使用してください。ffmpegを呼び出すことは、選択した言語に対応する無料のサードパーティソフトウェアを使用する場合と同様に許可されます。

勝利の基準は、提供されたファイルのノイズにもかかわらず、ビートを正常に検出する能力です。同点の場合、最短のソリューションが優先されます（サードパーティのコードの長さはカウントに追加されません）。

Python 2.7 492バイト（beats.mp3のみ）

この答えはビートを特定できますが、またはのbeats.mp3すべてのノートを特定しません。コードの説明の後、理由について詳しく説明します。beats2.mp3noisy-beats.mp3

これはPyDub（https://github.com/jiaaro/pydub）を使用してMP3を読み込みます。他のすべての処理はNumPyです。

ゴルフコード

ファイル名とともに単一のコマンドライン引数を取ります。各ビートをミリ秒単位で個別の行に出力します。

import sys
from math import *
from numpy import *
from pydub import AudioSegment
p=square(AudioSegment.from_mp3(sys.argv[1]).set_channels(1).get_array_of_samples())
n=len(p)
t=arange(n)/44.1
h=array([.54-.46*cos(i/477) for i in range(3001)])
p=convolve(p,h, 'same')
d=[p[i]-p[max(0,i-500)] for i in xrange(n)]
e=sort(d)
e=d>e[int(.94*n)]
i=0
while i<n:
 if e[i]:
  u=o=0
  j=i
  while u<2e3:
   u=0 if e[j] else u+1
   #u=(0,u+1)[e[j]]
   o+=e[j]
   j+=1
  if o>500:
   print "%g"%t[argmax(d[i:j])+i]
  i=j
 i+=1

未ゴルフコード

# Import stuff
import sys
from math import *
from numpy import *
from pydub import AudioSegment

# Read in the audio file, convert from stereo to mono
song = AudioSegment.from_mp3(sys.argv[1]).set_channels(1).get_array_of_samples()

# Convert to power by squaring it
signal = square(song)
numSamples = len(signal)

# Create an array with the times stored in ms, instead of samples
times = arange(numSamples)/44.1

# Create a Hamming Window and filter the data with it. This gets rid of a lot of
# high frequency stuff.
h = array([.54-.46*cos(i/477) for i in range(3001)])
signal = convolve(signal,h, 'same') #The same flag gets rid of the time shift from this

# Differentiate the filtered signal to find where the power jumps up.
# To reduce noise from the operation, instead of using the previous sample,
# use the sample 500 samples ago.
diff = [signal[i] - signal[max(0,i-500)] for i in xrange(numSamples)]

# Identify the top 6% of the derivative values as possible beats
ecdf = sort(diff)
exceedsThresh = diff > ecdf[int(.94*numSamples)]

# Actually identify possible peaks
i = 0
while i < numSamples:
 if exceedsThresh[i]:
  underThresh = overThresh = 0
  j=i
  # Keep saving values until 2000 consecutive ones are under the threshold (~50ms)
  while underThresh < 2000:
   underThresh =0 if exceedsThresh[j] else underThresh+1
   overThresh += exceedsThresh[j]
   j += 1
  # If at least 500 of those samples were over the threshold, take the maximum one
  # to be the beat definition
  if overThresh > 500:
   print "%g"%times[argmax(diff[i:j])+i]
  i=j
 i+=1

他のファイルのメモを見逃す理由（そして、それらが非常に難しい理由）

私のコードは、ノートを見つけるために信号電力の変化を調べます。のためbeats.mp3、これは本当にうまく機能します。このスペクトログラムは、時間（x軸）と周波数（y軸）でのパワーの分布を示しています。私のコードは基本的にy軸を1行にまとめます。 視覚的には、ビートがどこにあるかを見るのは本当に簡単です。黄色の線が何度も消えていきます。beats.mp3スペクトログラムをフォローしながら、どのように機能するかを確認することを強くお勧めします。

次に行きますnoisy-beats.mp3（実際、beats2.mp3。より簡単だからです 。もう一度、録音を続けることができるかどうかを確認してください。ほとんどの行はかすかに見えますが、まだあります。静かな音が始まります。今では、単に振幅ではなく周波数（y軸）の変化によって音を見つける必要があるため、音を見つけるのが特に難しくなります。

beats2.mp3信じられないほど挑戦的です。スペクトログラム は次のとおりです 。最初のビットには、いくつかの行がありますが、いくつかのメモが実際に行を越えています。音を確実に識別するには、音のピッチ（基本波および倍音）の追跡を開始し、それらがどこで変化するかを確認する必要があります。最初のビットが動作すると、2番目のビットはテンポが2倍になります！

基本的に、これらすべてを確実に識別するには、いくつかの派手なノート検出コードが必要だと思います。これは、DSPクラスの誰かにとって良い最終プロジェクトになるようです。