您的目标是在演奏每个音符时将歌词打印到歌曲“ Twinkle Twinkle Little Star”上。

电脑的麦克风会听到音符。如果音符的音高（但不一定是音高）正确，请打印适当的音节。否则，什么都不做。每个音符将至少有半秒长，并且音符之间的间隔至少为四分之一秒。

使用此处提供的音符和以下歌词：（垂直线表示音节休止符。）

双| kle，双| kle，点燃的星星，

我怎么想你是什么。

在如此高的世界上

像天空中的钻石。

双| kle，双| kle，点燃的星星，

我怎么想你是什么。

音乐的录音可以在这里找到。

例

电脑听到中间的C并打印“ Twin”

它听到另一个中间C并打印“ kle”，

然后它听到另一个中间的C（错误的音符），并且什么也不做。

然后，它听到中间C上方的G并打印“双胞胎”，依此类推。

规则

• 标点必须如图所示。
• 间距必须如图所示（带有空格和换行符）。
• 可以将空白与上一个或下一个音节一起打印。

蟒3 -部分溶液（760 742 734 710 705 657字符）

（最后编辑；我保证）

这似乎是一个非常，非常漂亮，非常困难的问题（特别是识别音符的开始或结束位置）。音乐的自动转录似乎是一个开放的研究课题（并不是我对此一无所知）。因此，这是一个不做任何音符分段的部分解决方案（例如，它在听到频率时立即一次打印“ Twinkle”），并且可能仅适用于该特定的ogg文件：

A=-52
F=44100
C=4096
import pyaudio as P
import array
import scipy.signal as G
import numpy as N
import math
L=math.log
i=0
j=[9,2,0,2,4,5,7,9]
k=[2,4,5,7]
n=j+k+k+j
w="Twinkle, |twinkle, |little |star,\n|How I |wonder |what you |are.\n|Up a|bove the |world so |high,\n|Like a |diamond |in the |sky.\n".split('|')
w+=w[:8]
e=P.PyAudio().open(F,1,8,1,0,None,0,C)
while i<24:
 g=array.array('h',e.read(C));b=sum(map(abs,g))/C
 if b>0 and 20*L(b/32768,10)>A:
  f=G.fftconvolve(g,g[::-1])[C:];d=N.diff(f);s=0
  while d[s]<=0:s+=1
  x=N.argmax(f[s:])+s;u=f[x-1];v=f[x+1]
  if int(12*L(((u-v)/2/(u-2*f[x]+v)+x)*F/C/440,2))==n[i]+15:print(w[i],end='',flush=1);i+=1

这需要...

• Python 3（在Windows 64位上进行了3.3测试…… 应该可以在Mac / Linux上正常运行）
• PyAudio（我从这里使用了Windows二进制包，因为来自PyAudio页面的Windows二进制包不起作用）
• SciPy和NumPy（我从同一站点使用scipy-stack）

根据您的麦克风，环境声音的大小，歌曲的响度等，更改顶行的A = -52（最小振幅）。在我的麦克风上，小于-57的声音似乎会引起很多外来噪音大于-49要求您大声播放。

这可能会打很多。我敢肯定，有一些方法可以在单词数组上保存很多字符。这是我第一个使用python编写的简单程序，所以我对这种语言还不太熟悉。

我从https://gist.github.com/endolith/255291窃取了通过自相关进行频率检测的代码

取消高尔夫：

import pyaudio
from array import array
import scipy.signal
import numpy
import math
import sys

MIN_AMPLITUDE = -52
FRAMERATE = 44100

def first(list):
    for i in range(len(list)):
        if(list[i] > 0):
            return i
    return 0

# Based on: https://en.wikipedia.org/wiki/Decibel#Acoustics
def getAmplitude(sig):
    total = 0;
    elems = float(len(sig))
    for x in sig:
        total += numpy.abs(x) / elems
    if(total == 0):
        return -99
    else:
        return 20 * math.log(total / 32768., 10)    

# Based on: https://en.wikipedia.org/wiki/Piano_key_frequencies
def getNote(freq):
    return int(12 * math.log(freq / 440, 2) + 49)

# --------------------------------------------------------------------------
# This is stolen straight from here w/ very slight modifications: https://gist.github.com/endolith/255291
def parabolic(f, x):
    return 1/2. * (f[x-1] - f[x+1]) / (f[x-1] - 2 * f[x] + f[x+1]) + x

def getFrequency(sig):
    # Calculate autocorrelation (same thing as convolution, but with
    # one input reversed in time), and throw away the negative lags
    corr = scipy.signal.fftconvolve(sig, sig[::-1], mode='full')
    corr = corr[len(corr)/2:]

    # Find the first low point
    diffs = numpy.diff(corr)

    # Find the next peak after the low point (other than 0 lag). This bit is
    # not reliable for long signals, due to the desired peak occurring between
    # samples, and other peaks appearing higher.
    # Should use a weighting function to de-emphasize the peaks at longer lags.
    start = first(diffs)
    peak = numpy.argmax(corr[start:]) + start
    return parabolic(corr, peak) * (FRAMERATE / len(sig))
# --------------------------------------------------------------------------

# These are the wrong keys (ie it is detecting middle C as an A), but I'm far too lazy to figure out why.
# Anyway, these are what are detected from the Wikipedia .ogg file:
notes = [73,          66,           64,       66,         68,       69,        71,          73,       66,     68,          69,         71,         66,        68,         69,        71      ] 
words = ["Twinkle, ", "twinkle, ", "little ", "star,\n",  "How I ", "wonder ", "what you ", "are.\n", "Up a", "bove the ", "world so ", "high,\n", "Like a ", "diamond ", "in the ", "sky.\n"]
notes += notes[:8]
words += words[:8]

pa = pyaudio.PyAudio()
stream = pa.open(format=pyaudio.paInt16, channels = 1, rate = FRAMERATE, input = True, frames_per_buffer = 4096)
idx = 0
while(idx < len(notes)):
    # Read signal
    sig = array('h', stream.read(4096))
    if(getAmplitude(sig) > MIN_AMPLITUDE):
        note = getNote(getFrequency(sig))
        if(note == notes[idx]):
            sys.stdout.write(words[idx])
            sys.stdout.flush()
            idx += 1