Python-Notebooks für die Grundlagen der Musikverarbeitung

(audiolabs-erlangen.de)

2 Punkte von GN⁺ 2024-06-03 | 1 Kommentare | Auf WhatsApp teilen

FMP-Notebooks: Python-Notebooks für die Grundlagen der Musikverarbeitung

Die FMP-Notebooks werden regelmäßig aktualisiert (aktuelle Version: 1.2.6).
Die Inhalte können direkt über die statische HTML-Version durchsucht werden.
Um Python-Code auszuführen, müssen die Anweisungen auf der Seite "Get Started" befolgt werden.

Die FMP-Notebooks sind eine Sammlung von Lehrmaterialien zum Lehren und Lernen der Grundlagen der Musikverarbeitung (FMP).
Sie behandeln zentrale Themen aus dem Bereich Music Information Retrieval (MIR) und enthalten Python-Codebeispiele zur Umsetzung der Theorie.
Sie bestehen aus einem konsistenten und umfassenden Framework auf Basis von Jupyter-Notebooks.
Sie richten sich an Studierende, Lehrende und Forschende, um Theorie und Praxis zu erarbeiten, Lehrmaterial zu erstellen und grundlegende Implementierungen für viele MIR-Aufgaben bereitzustellen.

Texte und Abbildungen stehen unter der Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Das Python-Paket libfmp steht unter der MIT-Lizenz und ist auf GitHub verfügbar.
Für Audiomaterialien gelten jeweils ihre ursprünglichen Lizenzen.

Die statische HTML-Version kann ohne Installation direkt genutzt werden.
Um Python-Codezellen auszuführen, müssen die Notebooks heruntergeladen, die Umgebung eingerichtet und anschließend ein Jupyter-Server gestartet werden.
Die notwendigen Schritte werden im Abschnitt "Get Started" der FMP-Notebooks ausführlich beschrieben.

Die FMP-Notebooks sind entlang der acht Kapitel des Lehrbuchs [Müller, FMP, Springer 2015] aufgebaut.
Die einzelnen Kapitel behandeln Python-Programmierung, das Jupyter-Framework, Musikrepräsentation, Fourier-Analyse von Signalen, Musiksynchronisation, Analyse musikalischer Strukturen, Akkorderkennung, Tempo- und Beat-Tracking, inhaltsbasierte Audiosuche sowie musik-informierte Audiodekomposition.

Zahlreiche Studierende, Mitarbeitende und Kolleginnen und Kollegen haben zur Erstellung der FMP-Notebooks beigetragen.
Wichtige Mitwirkende: Vlora Arifi-Müller, Stefan Balke, Eran Egozy, Michael Krause, Patricio López-Serrano, Brian McFee, Sebastian Rosenzweig, Steve Tjoa, Angel Villar-Corrales, Christof Weiß, Frank Zalkow, Tim Zunner.

LibROSA: Bietet viele Bausteine für Music-Information-Retrieval-Systeme und wird von Brian McFee gepflegt.
Notes on Music Information Retrieval: Eine von Steve Tjoa gepflegte Sammlung von MIR-Lehrmaterialien.
Fundamentals of Music Processing-Kurs: Enthält viele von Eran Egozy bereitgestellte Python-Codebeispiele.

Didaktischer Wert: Die FMP-Notebooks sind eine sehr nützliche Ressource für alle, die die Grundlagen der Musikverarbeitung erlernen möchten.
Praxisorientierung: Die gemeinsam mit der Theorie bereitgestellten Python-Codebeispiele helfen, das Verständnis durch praktische Übungen zu vertiefen.
Nutzung von Open Source: Durch den Einsatz verschiedener Open-Source-Tools und -Bibliotheken wird reichhaltiges Lernmaterial bereitgestellt.
Technische Anforderungen: Ein grundlegendes Verständnis von Python und Jupyter-Notebooks ist erforderlich.
Wichtigkeit von Updates: Da regelmäßige Aktualisierungen erfolgen, ist es wichtig, die aktuelle Version zu prüfen.

GN⁺ 2024-06-03

Frage nach guten Materialien zum Erlernen digitaler Audioverarbeitungsalgorithmen: Es wird nach guten Materialien gefragt, um digitale Audioverarbeitungsalgorithmen wie Kompression, Reverb usw. zu lernen.
Bestes Material zu Audio-DSP+ML: Es konzentriert sich auf Musik, ist aber auch für andere Audioformen wie Sprache und Umgebungsgeräusche sehr relevant und gehört zu den besten Materialien.
Zusätzlich hilfreiche Ressource: ThinkDSP könnte ebenfalls hilfreich sein.
Frage, ob es gut für jemanden ohne Musikkenntnisse ist, der aber gerne programmiert und etwas über Audio und Klangerzeugung lernen möchte: Auch ohne Musikkenntnisse ist es im Kontext anderer Signaltypen hilfreich.
Gute Referenz: Es ist eine gute Ressource.
Dank: Gute Ressource, danke.
Zusätzliche Referenzen: Die Webseite von Dan Ellis von der Columbia University sowie das sehr gute librosa sind ebenfalls sehenswert.