### 使用Python分析音频文件以提取其调式和调性 要实现音乐的调式和调性的自动检测，可以利用 `librosa` 和其他辅助库来完成这一目标。以下是具体方法： #### 音频加载与预处理 首先需要通过 `librosa.load()` 函数读取音频文件并将其转换为时间序列数据[^1]。 ```python import librosa audio_path = 'example_audio.wav' y, sr = librosa.load(audio_path, sr=None) # 加载音频文件 ``` #### 提取音高信息 为了获取音频的调性和调式，通常会先计算音频的 **Chroma 特征**。这些特征表示了音频中不同音高的激活程度，能够反映旋律和和弦结构的信息[^2]。 ```python chroma = librosa.feature.chroma_stft(y=y, sr=sr) ``` #### 调性估计 调性可以通过分析 Chroma 向量的主要成分得到。一种常见的做法是对 Chroma 数据应用 K-Means 或其他聚类算法，找到最可能的根音（Root Note）。此外，还可以使用专门的函数如 `librosa.segment.recurrence_matrix()` 来增强模式匹配效果。 另一种更高效的方法是借助现成工具包中的内置功能，比如 PyChromecast 的扩展模块或者第三方插件来进行自动化判断。 #### 判断大调还是小调 (调式) 对于区分大小调的任务，则需进一步考察特定频率范围内的能量分布差异。一般而言，在相同基底上比较两者的相对强度即可得出结论——如果第三级音较低则倾向于小调；反之则是大调[^3]。 下面给出一段综合上述逻辑的小型脚本作为示范用途: ```python from sklearn.cluster import KMeans import numpy as np def estimate_key(chroma): # 对每一帧 chroma 进行平均化简化操作 avg_chroma = np.mean(chroma, axis=1) # 应用 k-means 方法寻找主键位置 model = KMeans(n_clusters=1).fit(avg_chroma.reshape(-1, 1)) root_note_index = int(model.cluster_centers_[0][0]) notes = ['C', 'Db', 'D', 'Eb', 'E', 'F', 'Gb', 'G', 'Ab', 'A', 'Bb', 'B'] major_profile = [6.35, 2.23, 3.48, 2.33, 4.38, 4.09, 2.52, 5.19, 2.39, 3.66, 2.29, 2.88] minor_profile = [6.33, 2.68, 3.52, 5.38, 2.60, 3.53, 2.54, 4.75, 3.98, 2.69, 3.34, 3.17] correlation_major = np.corrcoef(major_profile, avg_chroma)[0, 1] correlation_minor = np.corrcoef(minor_profile, avg_chroma)[0, 1] mode = "Major" if correlation_major > correlation_minor else "Minor" return f"{notes[root_note_index]} {mode}" key_estimate = estimate_key(chroma) print(f"The estimated key is: {key_estimate}") ``` 以上代码实现了基本的功能框架，实际部署时可根据需求调整参数设置或引入更多优化措施提升精度。