【音频处理】Melodyne 导入音频 ( 使用 Adobe Audition 录制音频 | 在 Melodyne 中打开录制的音频 | Melodyne 对音频素材的操作 | 音频分析算法 )

简介: 【音频处理】Melodyne 导入音频 ( 使用 Adobe Audition 录制音频 | 在 Melodyne 中打开录制的音频 | Melodyne 对音频素材的操作 | 音频分析算法 )

文章目录

一、使用 Adobe Audition 录制音频

二、在 Melodyne 中打开录制的音频

三、Melodyne 对音频素材的操作

四、Melodyne 音频分析算法





一、使用 Adobe Audition 录制音频


参考 【音频处理】使用 Adobe Audition 录制电脑内部声音 ( 启用电脑立体声混音 | Adobe Audition 中设置音频设备 | Adobe Audition 内录 ) 博客进行内录 ;






二、在 Melodyne 中打开录制的音频


将上述录制完毕的音频直接拖动到 Melodyne 软件的空白处 , 可以自动打开该音频 , 同时自动分析该音频的音高 , 显示在界面中 ;

image.png



纵向网格的标尺上 , 标记的是音高名称 , 每个标尺单位是一个半音音程 , 取值范围 0 00 ~ 127 127127 ;


每个音符的纵坐标轴标尺 , 就是该音符的音高 ;


音符与纵向标尺对齐程度 , 就是当前音符的偏差程度 , 音符处于标尺正中央位置 , 说明该音符音准正确 ;



横向网格的标尺 , 代表节拍 和 小节 ;


鼠标左键长按在 横向标尺 最右端的 1 4 \cfrac{1}{4}

4

1


 位置 , 会弹出可以设置的节拍网格精度 , 默认是 1 4 \cfrac{1}{4}

4

1


 , 也可以设置成其它精度 ;


1 4 T \cfrac{1}{4}T

4

1


T 是 四分音符 3 33 连音 ;


image.png





三、Melodyne 对音频素材的操作


Melodyne 对音频素材进行了如下分析 :


转换成音符 : 录制的素材 , 被 Melodyne 转为单个波形 , 以音符的形式显示在对应音高位置上 , 横轴是时间 , 纵轴是音高 , 取值范围 0   127 0 ~ 1270 127 ;


编辑声部类型 : Melodyne 既可以编辑 旋律声部 如人声演唱 , 乐器演奏等 , 也可以编辑 节奏声部 如 打击乐器 ; 如果录入的是打击乐 , 使用的是另外一种算法 ;






四、Melodyne 音频分析算法


音频分析算法 : 在 Melodyne 菜单 " 定义 " 下 , 可以设置 旋律模式 , 打击模式 , 复调模式 , 等运算法则 ;


录入音频时 , Melodyne 会自动选择正确的算法 , 如果选择的算法不对 , 可以随时在此处更改音频分析算法 ;

image.png



选择 " 重置检测到打击模式 " , 所有的音符都会被设置到相同的音高 ;


image.png

目录
相关文章
|
1月前
|
机器学习/深度学习 算法 搜索推荐
从理论到实践,Python算法复杂度分析一站式教程,助你轻松驾驭大数据挑战!
【10月更文挑战第4天】在大数据时代,算法效率至关重要。本文从理论入手,介绍时间复杂度和空间复杂度两个核心概念,并通过冒泡排序和快速排序的Python实现详细分析其复杂度。冒泡排序的时间复杂度为O(n^2),空间复杂度为O(1);快速排序平均时间复杂度为O(n log n),空间复杂度为O(log n)。文章还介绍了算法选择、分而治之及空间换时间等优化策略,帮助你在大数据挑战中游刃有余。
57 4
|
3月前
|
数据采集 机器学习/深度学习 算法
|
3月前
|
人工智能 算法 BI
第一周算法设计与分析 D : 两面包夹芝士
这篇文章介绍了解决算法问题"两面包夹芝士"的方法,通过找出两个数组中的最大最小值,计算这两个值之间的整数个数,包括特判不存在整数的情况。
|
22天前
|
并行计算 算法 IDE
【灵码助力Cuda算法分析】分析共享内存的矩阵乘法优化
本文介绍了如何利用通义灵码在Visual Studio 2022中对基于CUDA的共享内存矩阵乘法优化代码进行深入分析。文章从整体程序结构入手,逐步深入到线程调度、矩阵分块、循环展开等关键细节,最后通过带入具体值的方式进一步解析复杂循环逻辑,展示了通义灵码在辅助理解和优化CUDA编程中的强大功能。
|
28天前
|
算法
PID算法原理分析
【10月更文挑战第12天】PID控制方法从提出至今已有百余年历史,其由于结构简单、易于实现、鲁棒性好、可靠性高等特点,在机电、冶金、机械、化工等行业中应用广泛。
|
2月前
|
算法 搜索推荐 开发者
别再让复杂度拖你后腿!Python 算法设计与分析实战,教你如何精准评估与优化!
在 Python 编程中,算法的性能至关重要。本文将带您深入了解算法复杂度的概念,包括时间复杂度和空间复杂度。通过具体的例子,如冒泡排序算法 (`O(n^2)` 时间复杂度,`O(1)` 空间复杂度),我们将展示如何评估算法的性能。同时,我们还会介绍如何优化算法,例如使用 Python 的内置函数 `max` 来提高查找最大值的效率,或利用哈希表将查找时间从 `O(n)` 降至 `O(1)`。此外,还将介绍使用 `timeit` 模块等工具来评估算法性能的方法。通过不断实践,您将能更高效地优化 Python 程序。
54 4
|
1月前
|
算法
PID算法原理分析及优化
【10月更文挑战第6天】PID控制方法从提出至今已有百余年历史,其由于结构简单、易于实现、鲁棒性好、可靠性高等特点,在机电、冶金、机械、化工等行业中应用广泛。
|
2月前
|
算法 程序员 Python
程序员必看!Python复杂度分析全攻略,让你的算法设计既快又省内存!
在编程领域,Python以简洁的语法和强大的库支持成为众多程序员的首选语言。然而,性能优化仍是挑战。本文将带你深入了解Python算法的复杂度分析,从时间与空间复杂度入手,分享四大最佳实践:选择合适算法、优化实现、利用Python特性减少空间消耗及定期评估调整,助你写出高效且节省内存的代码,轻松应对各种编程挑战。
41 1
|
2月前
|
算法 数据可视化
基于SSA奇异谱分析算法的时间序列趋势线提取matlab仿真
奇异谱分析(SSA)是一种基于奇异值分解(SVD)和轨迹矩阵的非线性、非参数时间序列分析方法,适用于提取趋势、周期性和噪声成分。本项目使用MATLAB 2022a版本实现从强干扰序列中提取趋势线,并通过可视化展示了原时间序列与提取的趋势分量。代码实现了滑动窗口下的奇异值分解和分组重构,适用于非线性和非平稳时间序列分析。此方法在气候变化、金融市场和生物医学信号处理等领域有广泛应用。
120 19
|
3月前
|
算法
算法设计与分析作业
这篇文章是关于算法设计与分析的作业,其中包含了两个算法实现:一个是使用分治算法实现的十进制大整数相乘(包括加法、减法和乘法函数),并进行了正确性和健壮性测试;另一个是使用快速排序思想实现的分治查找第K小元素的程序,并分析了其平均和最坏时间复杂度。
算法设计与分析作业