我有一个色度特征文件here。这些数字如何解释为属于不同的音乐键？我需要使用在特定时间代码中找到的密钥来产生类似于this的解决方案，以便在两个音轨之间进行混合。如何将这些数字解释为正在播放的整体琴键，以及如何跳至特定的时间码以获取给定的琴键？
我已尝试按照here所述获得色度，但是输出只是数字而不是音符。我需要在特定时间解释音乐，使其属于正在播放的单个键。
最佳答案
librosa.feature.chroma_stft返回色谱图（或色谱图）。它的形状为（12，n_frames）。八度C,C#,D..., B中的12个半音中的每一个为12。色度频谱图中的每个bin代表该半音的平均能量（跨所有八度音阶）。
n_frames是频谱图中的时间范围数。每帧的时长为hop_length/sr秒，其中sr为已加载音频文件的采样率（可能会重新采样）。因此，要在此频谱图中以秒为单位的给定时间，请计算frame_no = int(time / (hop_length/sr))。
音乐键
要从色度频谱图转变为音乐音调（A小调或F大调中的音乐）可以通过监督的机器学习完成。将在色度谱图的短时间窗口（例如1-10秒）上训练分类器，以便对补品（12个类别，C-B）和模式（次要，主要）进行分类。
例如，请参阅Robert Mahieu（2016）的论文Detecting Musical Key with Supervised Learning。
关于python - librosa产生的色谱图文件如何解释为一组音乐键？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/57082826/