Pitch Visualizer

这是一个小小的Python脚本，可以把一段纯人声音频进行音高的可视化，然后和音频的原视频进行合并， 最终生成一段带有动态音高标注的视频。

开始之前

FFmpeg

你需要ffmpeg。请确保在命令行输入ffmpeg可以正常调用ffmpeg， 或者你知道明确的ffmpeg的位置。

Python requirements

建议大家在虚拟环境中工作

python -m venv venv
source venv/bin/activate

最简单的方式：

pip install -r requirements.txt

人声分离

这个脚本并不能帮你做人声分离，你需要用其他的软件或者库来完成这件事。

• Ultimate Vocal Remover 是目前我用过效果最好的软件，免费
• spleeter 是一个开源的人声分离库

使用

你需要准备两个文件

• 原始视频文件（.mp4）
• 从原始视频中分离的干声文件（.mp3）

为了画出准确的对比音高，你需要知道这首歌曲的调性（C或者F#之类）。在这个软件中，我们没有特意区别小调， 调性只是为了标注音阶。如果歌曲是小调，请使用其音阶对应的大调的调性。比如A小调对应的是C。

python gen_pitch.py --audio <voice.mp3> -t <tone> <video.mp3> -o <output.mp4>

# 举个例子
python gen_pitch.py --audio wjk_raw.mp3 -t E wjk.mp4 -o wjk_with_pitch.mp4

其中-o可以省略，默认是在输入视频的文件夹下建立另一个视频。

其他的选项

• --ffmpeg 可以指定你想用的ffmpeg，在你PATH中不存在ffmpeg的时候需要使用
• --pitch_width 设置音高图的宽度，默认是原始视频的一半
• --pitch_position 设置音高图的位置，默认是top_right
• --min_pitch 设置识别的最低的音，默认是D2
• --max_pitch 设置识别的最高的音，默认是G5

如果你对歌曲的音域比较了解，通过设置--min_pitch和--max_pitch可以有效增加音高识别的准确率， 同时还可以加快渲染速度。

LICENSE

Copyright 2023 Tian Gao.

Distrubuted under the terms of the Apache 2.0 license