用widi等转midi软件的童鞋们 请先来看看这里

关于midi是神马的问题 我相信 零さん 已经给了我们各种姿势的普及
链接：http://bbs.ivocaloid.com/thread-74107-1-1.html

他也说了 wav转midi是不可取的
还是看到有一大堆人在使用这些软件

这时候我们便需要了解下这些软件的构造

这时候  鄙人也会从理性的角度来看看音乐  哦不 是波形

---

说起来 widi神马的都是算是软件嘛  说到底就是yes or no  那么 他们是怎么判断的呢？

这时候俺们来看看波形吧
其实  波形这玩意吧 说起来的确挺复杂的
玩过合成器的孩子们都知道 波形就是由正弦波、三角波、方波、锯齿波等组成的非常复杂的个体

（众小白：虽然不是很明白  但是 好厉害啊！）

咳咳  跑题了
这次的课题研究方向不是合成器  啥子波的就不说了

那么我们来谈论下软件是如何来判断音高的捏？

学过点音频工程的孩子们都知道  决定其音高的key便是最初的频率(就是基频)
打个比方吧：我发现这个波形的最初频率是523.25的时候   哥的第一个想法便是：音高是C5！

学生甲：如果说是最初的话   那岂不是还有其他的？
bingo！ 如果一个音色只停留在一个数字上的时候  那岂不是太单调了？！

即使只有一个音色 一个音高 其成分还是很复杂的

这里就要开始谈谈谐波（harmonic）了【重头戏来了！】

广告时间：kex订购一套坑爹教程 掺了以后立马学会摇滚！
               龙王订购了一套坑爹教程之后，立马变成了传说中的坑爹少女！
     这么nb，还等什么？！只要998！坑爹教程立马抱回家！

谐波（harmonic）是个物理术语：就是基频的整倍数啦
例子：某音高为100Hz 那么它的谐波就是200Hz、300Hz、400Hz、500Hz······

童鞋乙：那么说某音高是300Hz的话 其谐波就是600Hz、900Hz咯
完全正确！

这里再次复习下（以前的坑爹系列教程有说）：
谐波又叫做倍音程    就是一个八度
例子：c5的基频是523.25  那么其谐波便是1046.5Hz、2093Hz····
那么1046.5Hz又是C6的基频  2093Hz是C7的基频
这就是为什么高八度的原因

例子：本人在钢琴窗里面画了一个C5的音高   结果扔到软件里面 神奇了！为什么C6、C7也出现了？！
当然 由于一个音色不只光是由谐波组成的 还是有其他的一些频率组成的   这就造成了我输入了某个音符以后 会发现出现了一团糟的玩意
oh my god！这是神马坑爹玩意！
这就是建议小白们为什么不要用的原因


至于auto-tune  pitcher newtone这些插件会如此nb捏 能准确的分析出其音高？！
这是要看其相对性的  虽然各大厂商们对自己旗下产品不断优化  还是仅限于灰常安静的场合

就像人声轨除了人身就没了一样  这样 插件才能精确扫描
如果我们把一首已经缩混好的歌（里面有吉他、人声、鼓啥的）
插件也没辙了

好吧  就先说到这里吧    好好练习自己的狗耳吧   靠软件也没用
实在没毅力的就可以别碰po啥的了  碰了也没用~赶紧洗洗睡吧

按照某人所知，音色就是由谐波决定的啊，求讲解“其他的一些频率组成的 ”是怎么一回事（这货是纯种工科生）谢谢。
其实Axiom.Latis你是在蓄意打击人呢对吧。某人坚信只要有更精确的理论模型更好的算法，人类所能机器便可做到，人类所不能机器亦可为之。
所以才学v，所以才学AI，所以才相信啊。

回复 4# tumuyan


    恩 谐波是没错
这么说吧   C5这货的音高是523.25Hz 它的第一谐波就是1046.5  对吧
那你说说看523.25Hz到1046.5Hz之间就没有能量了么？
有的！不仅如此 第二谐波到第三谐波之间也是存在的  只不过能量很少而已 但不是没有
因为这些很难说清楚 所以我用了“其他的一些频率” 哎 你就认为是杂波吧···

软件就是死在这里 由于声波的一些特性（声波也有疏密之分 你身为纯工科应该懂得）
能量集中在谐波上  软件会把其谐波误认为是一个新的基频 做出判断

软件就是会误把图片中除了第一个以外 其他的有尖尖角的小波波作为新的音高来计算

唯一的解决途径就是：固定基频的振幅（就是音量）其余的 都默认为谐波 简单理解的话 就是midi力度都为100 其他pass
这样的话  准度就能100%了
不过  可能么  
人声就是多变啊   就拿初音来说吧 有个东西叫十参嘛
按照我前面说的解决办法的话   扫的也不会准确的（指动过参数的 尤其是DYN）

所以说  死了这条心吧

回复 4# tumuyan


我根本就没有打击你的意思=。=   
音乐靠的大部分还是感性  虽说音频工程师是感理性并存
你想想  在挑选监听耳机的时候  你是会去先听一遍捏  还是光看数据呢?
不过说起来  真的很高兴捏 对这篇垃圾教程有任何的疑义 比那些只看不说的人强多了

C5这货的音高是523.25Hz 它的第一谐波就是1046.5 对吧
那你说说看523.25Hz到1046.5Hz之间就没有能量了么？
有的！不仅如此 第二谐波到第三谐波之间也是存在的 只不过能量很少而已 但不是没有
因为这些很难说清楚 所以我用了“其他的一些频率” 哎 你就认为是杂波吧···

这个原以为没有呢

能量集中在谐波上  软件会把其谐波误认为是一个新的基频 做出判断
把图片中除了第一个以外 其他的有尖尖角的小波波作为新的音高来计算
唯一的解决途径就是：固定基频的振幅（就是音量）其余的 都默认为谐波 简单理解的话 就是midi力度都为100 其他pass  

这是一种算法，但是公司开发的一款商业软件产品绝不会止于此。（你所指出的方法甚至没有考虑同时有多个乐器在演奏，不是吗）如果依靠一个庞大的频谱关系表呢。我相信人可以忽视的，算法也可以忽视，总有这样一天的。

误判是有的（人耳不也有误判吗），但是程序会伴随着算法和模型的发展，误判会越来越少的，甚至最终多数人会完全依赖于程序。
正如杀毒程序，从特征码扫描文件到监控程序动作，监视文件名的方法都被使出来了，这是十年前不可思议的事情吧。



至于打击，随意啦。总有些解读是可怕的。
关于挑耳机不只是看参数，有详尽参数不易于简单测量的原因，（标出来的参数与技术算什么呢，更本不了解啊）对吧。

这个原以为没有呢

   

这是一种算法，但是公司开发的一款商业软件产品绝不会止于此。（你所指出的方法甚 ...
tumuyan 发表于 2011/6/24 16:27

    哎呦喂  我的大哥诶   我想问你下 那些商用的插件  定位是什么
就拿目前的混音来说吧   30轨左右 每样都是分开来的（包括人声）  目前插件的能力对于混音师来讲就足够了  新出来的几个音高插件走的都是创新路线  不会在这方面深入了
那么更复杂的算法有什么用捏？

即使某公司想做  但是由于目前音高插件够用  没有吸引人的地方的话  做出来也是鸡肋 肯定没市场

最后提醒你一下：别指望科技了  科技虽然发达  但是前提是有需求 有客户（就是有钱赚）
那种插件出来也是为你们这种人用的    但是想想   你们会掏钱买么   这年头VST挺贵的（700块钱一个）  国内用户最多的audition 掏钱买的有几个？！
你们不掏钱  就别指望能出来
我不想多说了   以上

…怎么说呢，许多技术终究是烂死在试验阶段了，“有需求 有客户”并不完全是商业公司投资进行研究的原因。被放弃之前或者会被开源了，或许会时隔多久以另外的方式复活。
的确有些东西是缺失商业价值的，但是探索世界认知世界利用世界是不是属于人的本质呢。在此范畴，即可期望。
“你不掏钱 ，就别指望出来”是不是和“看盗版者无权写书评”一样呢。为什么存在着破解呢，是让所有当代人即使囊中溃乏也有机会享受这个时代吧。
觉得某人毫不可爱吧，于是对话以此为终了。
谢谢。

回复 9# tumuyan


    哎   你这么一说 我倒是想起了yamaha当初的ns10s
出来不出来  随他了~
嘛  别纠结在这方面  真要是闲的蛋疼就去研究下共振峰吧  这个比较实在

理论上软件是可以正确计算出音高的，因为人耳可以做到。仿生学为我们带来了很多好处。。。（喂。。。）
不过目前还是技术瓶颈了。。。