This article is categorized as "Garbage" . It should NEVER be appeared in your search engine's results.Table of Contents
前置内容
有一部分内容写在上一篇笔记里：
🔗 [（新的研究方向）音频，DSP硬件，AI风格迁移，开发板 - Truxton's blog] https://truxton2blog.com/2023-03-29-research-idea-audio-dsp_hardward-ai_music/
也有可能含有其他内容，不一定完全符合本笔记的题目
ffmpeg遍历wav转换为mp3
ffmpeg组合命令，用于遍历一个文件夹下的所有.wav文件，用ffmpeg把它们变成.mp3文件（.wav文件会被删除），暂时不考虑对音频流的质量要求：
（chatgpt帮我写的）
find /path/to/folder -type f -name "*.wav" -exec sh -c 'ffmpeg -i "$0" -codec:a libmp3lame -qscale:a 2 "${0%.wav}.mp3" && rm "$0"' {} \;但这样生成的mp3文件比较大。也可以试试默认参数：
find /path/to/folder -type f -name "*.wav" -exec sh -c 'ffmpeg -i "$0" "${0%.wav}.mp3" && rm "$0"' {} \;OpenMPT
OpenMPT
🔗 [OpenMPT - Discover the music inside… | OpenMPT - Open ModPlug Tracker] https://openmpt.org/
Polymath
介绍
试用了一下polymath：🔗 [samim23/polymath: Convert any music library into a music production sample-library with ML] https://github.com/samim23/polymath
放colab上面跑了（因为懒得配tensorflow和cuda环境）
注：2024年我把它丢到ubuntu主机上跑，结果似乎有所改善，可能是某个组件库进行了优化：见下面的笔记
效果挺好的，但有些地方不太适合直接拿来用，可能要改一改：
无论是什么歌曲放进去，它都默认生成这些文件：（其实是wav，这里改成了mp3）
对于某些乐曲（下面有演示），这6个分离音频里面可能会有2～3个音频文件是几乎空的。
如果你把这6个音频丢到logic pro里面同时播放，会发现有些曲目的6个音频可以很好的还原original audio。我测试了星之卡比的几首音乐，以及东方永夜抄的一首音乐，实际证明效果都还不错。
星之卡比-彩虹之路
我现在要用polymath处理GBA module music，所以我先找了首星之卡比进去试试。（kirby the amazing mirror）
下面举例的kirby the amazing mirror - 彩虹之路只需要3个分离音频文件就可以很好的还原：
注意：2024年整理这篇笔记并把去年的音频文件找出来的时候，我发现不知为什么polymath分出的音频总是原曲长度的2倍。似乎是某个环节出了问题，导致同一个音频文件被重复了一遍。（以下面的音频为例，原曲只有1分22秒）
原曲：
bass.mp3：
other.mp3：
drums.mp3：
其他的3个文件（piano.mp3, vocals.mp3, guitar.mp3）基本上是空音频。
然后在在logic pro里面把上面那3个最重要的音频分离文件（bass, other, drums）放在一起播放：
复原效果还不错：
polymath的原理
这是为什么呢？我先把我的猜想写下来：
也就是说，polymath当然不知道我丢进去的是module music，所以按正常的深度学习算法来处理我的音频文件。
当然，Blind Signal Separation本身就是一个难的不行的研究方向，只是我现在要处理的是module music，所以我要把场景简化很多。
我现在的期望是，我丢一个module music的wav文件进去，并告诉它我丢进去的是module music，它用MIDI（或者其他结构的Tracker）和一堆波表文件（Wavetable）来回复我，而且波表文件要尽可能简洁。在这个基础上，如果我发现它回复的内容又简洁（体积小）又好用（还原程度高），说明我丢进去的wav文件确实应该来自于module music的播放采样。
所以这种方法也可以用来判断一首音乐是否具有改写为module music的潜质。
夜雀的歌声
再看看《东方永夜抄-夜雀的歌声》
有2个音频文件几乎是空的（bass.wav和vocals.wav，所以下面的合并混音只会使用drums.wav, guitar.wav, other.wav, piano.wav）：
直接放结果好了：
由于这篇笔记是我2024年整理的，所以我首先把去年刚写这篇笔记时跑的polymath音频文件找出来：
原曲：
polymath的4个分离文件在logic pro里面的混音：
注意听42秒～1分钟的那一部分，可以发现polymath没有做到100%还原，声音小了很多。
但情况发生了一些变化。2024年我不知为什么打算重新把polymath环境装上（不是colab）然后重新跑这几个音频，结果发现情况有所不同了：
（2024年重新跑）polymath的4个分离文件在logic pro里面的混音：
42秒～1分钟的那一部分明显有所改善（现在听起来非常接近原曲了）
把2023年的分离音频拿出来对比了一下，发现应该是2024年对 piano.wav 的分离效果改善了：如下图所示，上面的音轨是2024年的piano.wav，下面的音轨是2023年的wav（这里显示的是《夜雀的歌声》42秒开始的那一部分片段的波形），可以明显看出2024年分离出了更为完整的钢琴音频：
2024年分离的piano.wav：
2023年分离的piano.wav：
（2024）Logic pro的混音效果优于ffmpeg（均为默认配置）
（本条为2024补充）顺便我还发现了ffmpeg叠加音轨的效果不知为什么不如logic pro：
ffmpeg叠加音轨我用的是这个教程里的命令：🔗 [how to merge audio using ffmpeg, not concat - Super User] https://superuser.com/questions/644768/how-to-merge-audio-using-ffmpeg-not-concat
ffmpeg -i INPUT1 -i INPUT2 -i INPUT3 -filter_complex amix=inputs=3:duration=first:dropout_transition=3 OUTPUT以上面的《夜雀的歌声》为例，同样是6个polymath的分离音频（2024年重新制作），
ffmpeg命令的结果：
logic pro的结果（也就是上面这个音频）：
Serum/血清/WaveTable
现在来学习下Wavetable
Serum/血清：
🔗 [Serum: Advanced Wavetable Synthesizer] https://xferrecords.com/products/serum
介绍视频：
🔗 [如何正确使用Serum_哔哩哔哩_bilibili] https://www.bilibili.com/video/BV19s4y1W7s9/
截图：
好像明白了一些。自己自定义信号的形状，生成不同奇特的声音效果。当然，如果自定义的信号不是简单的函数，那么生成的波表文件就会比较大。简单的函数举例有：sawtooth
所以回到之前的问题。要想之前的那个module music解析器效果好，它需要生成一个结构相对简单的波表文件，这样才比较“复古”，否则就不能很好的衡量音乐的某些特质（成为复古module音乐的潜质）了。当然，如果生成的波表文件就是简化不了，说明wav文件不行...
