【音频处理】Melodyne 网络缩放功能 ( 音符分离线 | 片段分离线 | 窗口滚动条 | 网格缩放 | 修改图像显示位置 | 显示五线谱 )

简介: 【音频处理】Melodyne 网络缩放功能 ( 音符分离线 | 片段分离线 | 窗口滚动条 | 网格缩放 | 修改图像显示位置 | 显示五线谱 )

文章目录

一、Melodyne 音符分离线 | 片段分离线

二、窗口滚动条

三、网格缩放

四、修改图像显示位置

五、显示五线谱





一、Melodyne 音符分离线 | 片段分离线


音符分离线 : 每个音符左右 , 都有 2 22 条灰色的竖线 , 该竖线是 " 音符分离线 " , Melodyne 自动分析音符时 , 自动为该音符添加分离线 ;


音符分离线 的作用是 , 修改音符时 , 不会影响到其它音符 ;


整个音频的开始结尾处的分离线 , 有点像中括号 ; 这两条线称为 " 片段分离线 " ; 两个片段分离线中间的内容 , 就是单次录入的音频 ;


image.png






二、窗口滚动条


窗口滚动条中 , 有音频信息的缩略图 , 横向滚动条是音频样本缩略图 , 纵向滚动条是音高信息缩略图 ;


image.png






三、网格缩放


方式一 : 将鼠标指针放在滚动条两侧位置 , 会显示放大镜图标 , 鼠标左键按住不放 , 左右 / 上下 拖动 , 即可对网格的 横向 / 纵向 进行缩放 ;

image.png



方式二 : 点击 垂直滚动条 下方的  按钮 , 可以进行纵向缩放 , 点击 水平滚动条 右侧的  按钮 , 可以进行垂直方向的缩放 ;


image.png


方式三 : 同时按下 Ctrl + Alt 按键 , 编辑面板中的鼠标会变成放大镜形状 , 按住鼠标左键拖动 , 可以同时对 横向 和 纵向 网格进行缩放操作 ;






四、修改图像显示位置


按住 Ctrl 键不放 , 鼠标放在编辑面板中 , 会变成 手 的形状 , 拖动 , 可以更改样本的显示位置 , 注意不会改变样本的 坐标位置 ;


调整合适的网格大小 , 与音符显示位置 , 有利于观察和修改音符 ;






五、显示五线谱


右上角有一个音符按钮  , 点击后 , 可以打开查看五线谱 ;


扒谱 是 Melodyne 的重要功能之一 ;


image.png



目录
相关文章
|
1月前
|
机器学习/深度学习 运维 安全
图神经网络在欺诈检测与蛋白质功能预测中的应用概述
金融交易网络与蛋白质结构的共同特点是它们无法通过简单的欧几里得空间模型来准确描述,而是需要复杂的图结构来捕捉实体间的交互模式。传统深度学习方法在处理这类数据时效果不佳,图神经网络(GNNs)因此成为解决此类问题的关键技术。GNNs通过消息传递机制,能有效提取图结构中的深层特征,适用于欺诈检测和蛋白质功能预测等复杂网络建模任务。
66 2
图神经网络在欺诈检测与蛋白质功能预测中的应用概述
|
28天前
|
安全 网络安全 数据安全/隐私保护
利用Docker的网络安全功能来保护容器化应用
通过综合运用这些 Docker 网络安全功能和策略,可以有效地保护容器化应用,降低安全风险,确保应用在安全的环境中运行。同时,随着安全威胁的不断变化,还需要持续关注和研究新的网络安全技术和方法,不断完善和强化网络安全保护措施,以适应日益复杂的安全挑战。
42 5
|
26天前
|
存储 监控 数据挖掘
计算机网络的功能
计算机网络支持信息交换、资源共享、分布式处理、可靠性增强及集中管理。信息交换涵盖多种媒体形式,促进远程协作;资源共享降低用户成本,提高效率;分布式处理提升计算能力;冗余机制保障系统稳定;集中管理简化网络维护,确保安全运行。
31 2
|
1月前
|
运维 物联网 网络虚拟化
网络功能虚拟化(NFV):定义、原理及应用前景
网络功能虚拟化(NFV):定义、原理及应用前景
70 3
|
1月前
|
机器学习/深度学习 TensorFlow 算法框架/工具
利用Python和TensorFlow构建简单神经网络进行图像分类
利用Python和TensorFlow构建简单神经网络进行图像分类
60 3
|
1月前
|
网络协议 Unix Linux
精选2款C#/.NET开源且功能强大的网络通信框架
精选2款C#/.NET开源且功能强大的网络通信框架
|
1月前
|
网络协议 网络安全 Apache
一个整合性、功能丰富的.NET网络通信框架
一个整合性、功能丰富的.NET网络通信框架
|
1月前
|
机器学习/深度学习 人工智能 自动驾驶
深度学习的奇迹:如何用神经网络识别图像
【10月更文挑战第33天】在这篇文章中,我们将探索深度学习的奇妙世界,特别是卷积神经网络(CNN)在图像识别中的应用。我们将通过一个简单的代码示例,展示如何使用Python和Keras库构建一个能够识别手写数字的神经网络。这不仅是对深度学习概念的直观介绍,也是对技术实践的一次尝试。让我们一起踏上这段探索之旅,看看数据、模型和代码是如何交织在一起,创造出令人惊叹的结果。
34 0