نام (NAME)

aubioonset - ابزار خط فرمان برای استخراج زمان‌های شروع رویدادهای صوتی موسیقی

خلاصه دستور (SYNOPSIS)

aubioonset source
aubioonset [[-i] source] [-o sink]
           [-r rate] [-B win] [-H hop]
           [-O method] [-t thres]
           [-T time-format]
           [-s sil] [-m] [-f]
           [-j] [-N miditap-note] [-V miditap-velo]
           [-v] [-h]

توضیحات (DESCRIPTION)

دستور aubioonset تلاش می‌کند زمان‌های شروع (onset times)، یعنی آغاز رویدادهای صوتی مجزا را در سیگنال‌های صوتی تشخیص دهد.

هنگامی که با یک منبع ورودی (-i/--input) source اجرا شود، زمان‌های شروعِ تشخیص‌داده‌شده بر حسب ثانیه در کنسول نمایش داده می‌شوند.

هنگامی که بدون منبع ورودی source یا با گزینه جک (-j/--jack) اجرا شود، aubioonset در حالت جک (Jack) شروع به کار می‌کند.

گزینه‌ها (OPTIONS)

این برنامه از قواعد معمول نحوه نگارش خط فرمان گنو پیروی می‌کند که در آن گزینه‌های طولانی با دو خط تیره (--) آغاز می‌شوند. خلاصه‌ای از گزینه‌ها در زیر آورده شده است.

-i, --input source: اجرای تحلیل روی این فایل صوتی. بسته به نحوه ساخت aubio، بیشتر فرمت‌های فشرده و فشرده‌نشده پشتیبانی می‌شوند.
-o, --output sink: ذخیره نتایج در این فایل. این فایل بر اساس الگوی فایل ورودی ایجاد خواهد شد. زمان‌های شروع با صدایی کوتاه شبیه به تق‌تق چوب (wood-block) علامت‌گذاری می‌شوند.
-r, --samplerate rate: دریافت منبع ورودی source با نرخ نمونه‌برداری تغییریافته (resampled) به مقدار داده‌شده. نرخ (rate) باید به‌صورت یک عدد صحیح بر حسب هرتز مشخص شود. اگر 0 باشد، از نرخ نمونه‌برداری منبع اصلی استفاده خواهد شد. مقدار پیش‌فرض 0 است.
-B, --bufsize win: اندازه بافر برای تحلیل، یعنی طول پنجره‌ای که برای محاسبات طیفی و زمانی استفاده می‌شود. مقدار پیش‌فرض 512 است.
-H, --hopsize hop: تعداد نمونه‌های میان دو تحلیل متوالی. مقدار پیش‌فرض 256 است.
-O, --onset method: روش (method) تشخیص شروع مورد استفاده. بخش «روش‌های تشخیص شروع (ONSET METHODS)» را در ادامه ببینید. مقدار پیش‌فرض 'default' است.
-t, --onset-threshold thres: تنظیم مقدار آستانه برای گزینش قله‌های شروع (peak picking). مقادیر معمولاً در بازه [0.001, 0.900] قرار دارند. مقادیر آستانه پایین‌تر به معنای تشخیص شروع‌های بیشتر است. افزایش این آستانه باید تعداد تشخیص‌های نادرست را کاهش دهد. مقدار پیش‌فرض 0.3 است.
-M, --minioi value: تنظیم حداقل فاصله بین شروع‌ها (inter-onset interval) بر حسب ثانیه، که کوتاه‌ترین فاصله میان دو شروع متوالی است. مقدار پیش‌فرض 0.020 است.
-s, --silence sil: تنظیم آستانه سکوت بر حسب دسی‌بل (dB) که در مقادیر پایین‌تر از آن، شروع صدا تشخیص داده نخواهد شد. مقدار -20.0 بیشتر شروع‌ها به‌جز بلندترین آن‌ها را حذف می‌کند. مقدار -90.0 همه شروع‌ها را انتخاب خواهد کرد. مقدار پیش‌فرض -90.0 است.
-T, --timeformat format: تنظیم قالب زمان (samples ،ms ،seconds). مقدار پیش‌فرض seconds است.
-m, --mix-input: مخلوط کردن سیگنال منبع source با سیگنال خروجی پیش از نوشتن در sink.
-f, --force-overwrite: بازنویسی فایل خروجی در صورت وجود داشتن.
-j, --jack: استفاده از ورودی/خروجی صوتی Jack. برای ارسال سیگنال به aubio و شنیدن خروجی آن به یک کنترل‌کننده اتصال Jack نیاز خواهید داشت.
-N, --miditap-note: بازنویسی مقدار نت برای MIDI tap. مقدار پیش‌فرض 69 است.
-V, --miditap-velop: بازنویسی مقدار شدت (velocity) برای MIDI tap. مقدار پیش‌فرض 65 است.
-h, --help: نمایش یک پیام راهنمای کوتاه و خروج.
-v, --verbose: نمایش خروجی با جزئیات کامل.

روش‌های تشخیص شروع (ONSET METHODS)

روش‌های موجود عبارتند از:

default: فاصله پیش‌فرض، در حال حاضر hfc

پیش‌فرض: 'default' (در حال حاضر بر روی hfc تنظیم شده است)

energy: فاصله بر پایه انرژی

این تابع، انرژی موضعی فریم طیفی ورودی را محاسبه می‌کند.

hfc: محتوای فرکانس بالا (High-Frequency content)

این روش (method) محتوای فرکانس بالا (HFC) فریم طیفی ورودی را محاسبه می‌کند. تابع حاصل در تشخیص شروع‌های کوبه‌ای بسیار کارآمد است.

Paul Masri. Computer modeling of Sound for Transformation and Synthesis of Musical Signal. PhD dissertation, University of Bristol, UK, 1996.

complex: تابع تشخیص شروع در حوزه مختلط (Complex domain)

این تابع هم از اطلاعات فرکانس و هم فاز برای تعیین تغییرات محتوای طیفی که ممکن است با شروع‌های موسیقی مطابقت داشته باشند، استفاده می‌کند. این روش برای سیگنال‌های پیچیده مانند فایل‌های ضبط‌شده چندصدایی (پلی‌فونیک) بهترین گزینه است.

Christopher Duxbury, Mike E. Davies, and Mark B. Sandler.: Complex domain onset detection for musical signals. In Proceedings of the Digital Audio Effects Conference, DAFx-03, pages 90-93, London, UK, 2003.
phase: تابع تشخیص شروع بر پایه فاز (Phase based)

این تابع هم از اطلاعات فرکانس و هم فاز برای تعیین تغییرات محتوای طیفی که ممکن است با شروع‌های موسیقی مطابقت داشته باشند، استفاده می‌کند. این روش برای سیگنال‌های پیچیده مانند فایل‌های ضبط‌شده چندصدایی (پلی‌فونیک) بهترین گزینه است.

Juan-Pablo Bello, Mike P. Davies, and Mark B. Sandler.: Phase-based note onset detection for music signals. In Proceedings of the IEEE International Conference on Acoustics Speech and Signal Processing, pages 441444, Hong-Kong, 2003.
specdiff: تابع تشخیص شروع تفاضل طیفی (Spectral difference)

Jonhatan Foote and Shingo Uchihashi. The beat spectrum: a new approach to rhythm analysis. In IEEE International Conference on Multimedia and Expo (ICME 2001), pages 881884, Tokyo, Japan, August 2001.

kl: تابع تشخیص شروع کولبک-لایبلر (Kullback-Leibler)

Stephen Hainsworth and Malcom Macleod. Onset detection in music audio signals. In Proceedings of the International Computer Music Conference (ICMC), Singapore, 2003.

mkl: تابع تشخیص شروع کولبک-لایبلر اصلاح‌شده (Modified Kullback-Leibler)

Paul Brossier, ``Automatic annotation of musical audio for interactive systems'', Chapter 2, Temporal segmentation, PhD thesis, Centre for Digital music, Queen Mary University of London, London, UK, 2006.

specflux: شار طیفی (Spectral flux)

Simon Dixon, Onset Detection Revisited, in ``Proceedings of the 9th International Conference on Digital Audio Effects'' (DAFx-06), Montreal, Canada, 2006.

همچنین ببینید (SEE ALSO)

aubiopitch(1), aubiotrack(1), aubionotes(1), aubioquiet(1), aubiomfcc(1) و aubiocut(1).

نویسنده (AUTHOR)

این صفحه راهنما توسط Paul Brossier <piem@aubio.org> نوشته شده است. اجازه کپی، توزیع و/یا تغییر این سند تحت شرایط مجوز عمومی همگانی گنو (GNU GPL) منتشرشده توسط بنیاد نرم‌افزارهای آزاد، نسخه ۳ یا (به انتخاب خودتان) هر نسخه پس از آن اعطا می‌شود.