如何使用麦克风作为音源检测音高？

Question

如何使用麦克风作为音源来检测音高？ （并打印出来）。我已经看到一些允许通过 wav 文件保留音高的来源，但我想知道是否有办法为前者做到这一点。

这是我正在使用的基地

import speech_recognition as sr
r = sr.Recognizer()
mic = sr.Microphone()
with mic as source:
    r.adjust_for_ambient_noise(source, duration=0.3)
    audio = r.listen(source)
    transcript = r.recognize_google(audio)
    print(transcript)

编辑：具体来说，想要对男性/女性声音进行一般检测。

Answer 1

aubio 具有良好的音高检测方法和 Python 绑定。以下是你可以如何使用它：

import aubio
import numpy as np

samplerate = 44100
tolerance = 0.8
win_s = 4096 // downsample # fft size
hop_s = 512  // downsample # hop size

pitch_o = pitch("yin", win_s, hop_s, samplerate)
pitch_o.set_unit("Hz")
pitch_o.set_tolerance(tolerance)

signal_win = np.array_split(audio, np.arange(hop_s, len(audio), hop_s))

pitch_profile = []
for frame in signal_win[:-1]:
    pitch = pitch_o(frame)[0]
    if pitch > 0:
        pitch_profile.append(pitch)

if pitch_profile:
    pitch_array = np.array(pitch_profile)
    Q25, Q50, Q75 = np.quantile(pitch_array, [0.25, 0.50, 0.75])
    IQR = Q75 - Q25
    median = np.median(pitch_array)
    pitch_min = pitch_array.min()
    pitch_max = pitch_array.max()

显然，您需要以数组格式获取音频。接下来要观察的是，在呈现的代码中，我正在计算音高曲线的统计数据。原因是持续时间为 0.3 秒，这比通常用于音高跟踪的样本数要长得多。

其他例子：

• Aubio demo
• Audio Explorer - 我的代码。呈现的示例来自该代码。