我不完全确定这是发布此问题的正确堆栈交换子网站，但是......
我正在寻找一种算法，如果给定的音频片段不是音乐，我可以用它来确定一定程度的确定性。只是一个布尔结果很好，我不需要知道键，bpm或类似的东西，我只需要能够确定它是否看起来像是音乐（而不是语音）。编程语言无关紧要，但我最终会将其转换为Python。
答案 0 :(得分：12)
在短语Fourier analysis中。随着时间的推移，看看不同频率的功率。这是speech，而这里是violin playing。前者显示每个音节的戏剧性变化; '流'是非常不相交的，可以通过算法来获取，该算法将不同频带的导数作为时间的函数。另一方面，在范式音乐中，过渡更平滑，色调更纯净（图中的“模糊”更少）。另请参阅'spectrogram' wikipedia page。
答案 1 :(得分：2)
你可以做的是设置一些Karplus Strong共振环并通过它们通过音频，只监控每个环中的能量水平
如果是西方音乐，它几乎全部调到12-TET，即基于音乐会音高A4 @ 440Hz的对数12音调音阶
所以只需选择通过八度音程等间隔的3或4个音符，例如C5，（省略C＃D D＃）E5（省略F F＃G）G＃5（省略A A＃B）
并且这些戒指中至少有一个会经常发声 - 无论音乐在哪个关键位置，都可能会发出相当多的音符
理想情况下是为一堆笔记做的，但是如果你需要这个实时它可以让你的音频同时变得有点重50环
或者，您甚至可以使用音高检测器和目录记录的音高，并查看log（noteAfreq）：log（noteBfreq）的比率，看看它们是否正在将自己排列成低阶分数，如3：4 + = 0.5％。但我认为没有人建造过一个像样的复音音调探测器 - 它实际上是不可能的。Melodyne可能已将其拉下来
如果只是一个声音信号，你可以给我发电子邮件。
答案 2 :(得分：0)
出于某种原因，这个问题吸引了大量非常糟糕的答案。
使用pyAudioAnalysis。此外，谷歌“音频特征分析”。
从表面上看，这听起来像是一个难题，但在过去的20年里，分类器的工作大量增加，因此存在许多记录良好的解决方案。今天的大多数分类器通常可以解决这个问题，错误率只有几个百分点。有些分类器甚至可以算出what genre of music it is。
目前大多数算法分解为检测输入音频（特征）的一系列统计表示，然后根据以前的训练数据做一组automatic classifications输入。
pyAudioAnalysis是一个用于提取这些功能，然后根据检测到的功能训练kNN或其他混合模型的库。还有许多类似的库，例如C ++的Essentia。 Essentia也有Python绑定。
An Introduction to Audio Content Analysis: Applications in Signal Processing and Music Informatics是一本很好的入门书。
答案 3 :(得分：-1)
在音乐音调范围内的一系列FFT上寻找小的“第一差分”（即：每个块通过FFT运行1024个采样，然后绘制chunk1-chunk0，chunk2-chunk1，......）。作为第一个近似值，这应该足以检测简单的事物。
这种算法可以永久调整，即使是特定类型的方式。音乐本身通常也是周期性的，因此提出了一种在FFT上运行FFT的方法。寻找两个突出频率的一致的第十二根的想法听起来似乎是合理的。
我打赌你希望找到这个坐在免费的Python库中，只需将文件放入。 ： - ）