Music Processing की बुनियाद के लिए Python notebooks

• FMP notebooks, audio-केंद्रित Fundamentals of Music Processing सीखने और पढ़ाने के लिए Jupyter-आधारित educational material हैं
• Music Information Retrieval(MIR) के application scenarios के आधार पर theory, formulas, figures, audio examples और Python code examples को एक ही flow में जोड़ते हैं
• Static HTML को बिना installation के तुरंत देखा जा सकता है, लेकिन code चलाने के लिए notebooks और data download करने के साथ Jupyter server environment configure करना जरूरी है
• मौजूदा version 1.2.6 है; text और figures CC BY-NC-SA 4.0 के तहत, और libfmp Python package MIT License के तहत उपलब्ध है
• यह material textbook के 8 chapters के क्रम में music representations, Fourier analysis, synchronization, structure analysis, chord recognition, tempo/beat tracking, audio retrieval और audio decomposition तक ले जाता है

---

FMP notebooks का उद्देश्य

• FMP notebooks, Fundamentals of Music Processing सीखने और पढ़ाने के लिए educational materials का संग्रह है
• यह audio domain पर focus करता है और Music Information Retrieval(MIR) के प्रसिद्ध topics को application scenarios के रूप में उपयोग करता है
• एक Jupyter notebook-आधारित framework में ये elements integrate किए गए हैं
  • MIR scenarios का परिचय
  • figures और sound examples
  • technical concepts और mathematical details
  • theory implementation दिखाने वाले Python code examples
• students theory और practice साथ-साथ पढ़ सकते हैं, teachers इसे lecture material के रूप में इस्तेमाल कर सकते हैं, और researchers MIR tasks के लिए reference implementations देख सकते हैं

पढ़ने और चलाने का तरीका

• अगर केवल static view चाहिए, तो exported HTML version बिना installation के सीधे इस्तेमाल किया जा सकता है
  • explanations, figures और audio examples HTML links के जरिए access किए जा सकते हैं
• Python code cells चलाने के लिए ये steps जरूरी हैं
  • notebooks और data download करना
  • execution environment बनाना
  • Jupyter server start करना
  • Jupyter session के अंदर IPYNB links इस्तेमाल करना
• detailed execution steps Get Started में दिए गए हैं

Version और license

• FMP notebooks लगातार update होते हैं, और मौजूदा version 1.2.6 है
• notebooks का text और figures Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License के तहत distribute किए जाते हैं
• Python package libfmp MIT License के तहत है और GitHub पर उपलब्ध है
• audio materials पर उनके अपने original licenses लागू होते हैं
• site में book Fundamentals of Music Processing के text और figures के कुछ हिस्से शामिल हैं

Notebook structure

• FMP notebooks textbook के 8 chapters के अनुसार organized हैं

• Basics

  • getting started, Jupyter framework, Anaconda, multimedia, Python programming, visualization, audio, Numba, annotations, libfmp, और MIR resources को cover करता है

• Music Representations

  • music notation, MIDI, audio signals, waveforms, pitch, loudness और timbre को cover करता है

• Fourier Analysis of Signals

  • discrete/analog signals, sinusoids, exponential functions, Fourier transform, Fourier representation, DFT, FFT और STFT को cover करता है

• Music Synchronization

  • chroma features, dynamic programming, dynamic time warping(DTW), alignment और user interface को cover करता है

• Music Structure Analysis

  • similarity matrix, repetition, thumbnail, homogeneity, novelty, evaluation, precision, recall, F-measure, visualization और scape plot को cover करता है

• Chord Recognition

  • harmony, music theory, chords, scales, templates, hidden Markov model(HMM) और evaluation को cover करता है

• Tempo and Beat Tracking

  • onset, novelty, tempo, tempogram, beat, periodicity, Fourier analysis और autocorrelation को cover करता है

• Content-Based Audio Retrieval

  • identification, fingerprint, audio matching, version identification और cover song को cover करता है

• Musically Informed Audio Decomposition

  • harmonic/percussive separation, signal reconstruction, instantaneous frequency, fundamental frequency(F0), trajectory और nonnegative matrix factorization(NMF) को cover करता है

References और packages

• material इस्तेमाल करते समय book Fundamentals of Music Processing – Using Python and Jupyter Notebooks को cite करने की सलाह दी जाती है
• related references ये हैं
  • Meinard Müller, Fundamentals of Music Processing – Using Python and Jupyter Notebooks, 2nd edition, Springer Verlag, 2021
  • Meinard Müller and Frank Zalkow, FMP Notebooks: Educational Material for Teaching and Learning Fundamentals of Music Processing, ISMIR 2019
  • Meinard Müller and Frank Zalkow, libfmp: A Python Package for Fundamentals of Music Processing, JOSS 2021
  • Meinard Müller, An Educational Guide Through the FMP Notebooks for Teaching and Learning Fundamentals of Music Processing, Signals 2021
• कुछ code examples दूसरे code collections से प्रभावित हैं, खासकर LibROSA, Notes on Music Information Retrieval, और Fundamentals of Music Processing course से जुड़े हैं

[GN⁺]

Hacker News टिप्पणियां

• यह भी मददगार हो सकता है: https://allendowney.github.io/ThinkDSP/
  • इसके अलावा देखने लायक कुछ open source music और sound production tools भी हैं
    "Raspberry Pi for Dummies" में SonicPi और PyGame पर एक chapter है
    SonicPi संगीत निर्माण और education के लिए एक live coding environment है, और मेरी समझ में यह ChucK जैसा है
    PyGame में SDL mixer आधारित pygame.mixer लगता है
    Godot game engine audio effects support करता है: https://docs.godotengine.org/en/stable/tutorials/audio/audio...
    BespokeSynth में एक "script" module है, जिसमें notes और chords synthesize करने और audio streams transform करने के लिए Python का उपयोग किया जा सकता है: https://github.com/BespokeSynth/BespokeSynth/blob/main/resou... ( https://github.com/BespokeSynth/BespokeSynth/blob/main/bespo... )
    AllenDowney/ThinkDSP notebooks NumPy, freesound आदि का संदर्भ लेते हैं: https://github.com/AllenDowney/ThinkDSP
  • digital signal processing के बारे में कुछ भी न जानते हुए मैंने इसे पहली reference material के तौर पर देखा था, और यह सच में शानदार था
    sound processing का mental model बनाने में बहुत मदद मिली, और इस repository में भी काफी अच्छी सामग्री है: https://github.com/BillyDM/Awesome-Audio-DSP
• compression, reverb जैसे digital audio processing algorithms सीखने के लिए कोई अच्छा resource है?
• audio DSP+ML material के तौर पर यह सबसे अच्छे resources में से है
  फोकस संगीत पर है, लेकिन speech या environmental sounds जैसे दूसरे audio पर भी यह काफी relevant है
• दूसरे प्रकार के signals के साथ काम करते समय भी यह एक अच्छा reference material है
• जिसे music की जानकारी नहीं है, लेकिन programming पसंद है और audio व sound generation के बारे में सीखना चाहता है, उसके लिए भी ठीक रहेगा?
  • यह मुख्य रूप से music और sound के analysis को cover करता है, sound synthesis को बहुत कम
    उस बात को छोड़ दें तो ठीक है
• Dan Ellis के Columbia webpages और बेहद शानदार librosa को भी साथ में देखना अच्छा रहेगा