第94章 难题（下） (第1/2页)

魏宏思从电脑上打开沈晴发来的那个音频文件，听了十来秒就关掉了。
　　
　　没办法，实在是听不下去。这种感觉就像是翻开一本书，看到的全是“%*￥#T@”之类的东西，听了也是白听。
　　
　　之前看冯洧煦说得头头是道，或许让他听听，还能品评个一二。
　　
　　但这首歌是沈晴正在创作中的半成品，和同门们讨论一下“爵士风的流行乐”倒不打紧，却不能把曲目泄露出去。
　　
　　还真是个难题啊！
　　
　　魏宏思挠了挠头，起身到冰箱里取了瓶矿泉水。回来坐下喝了几口，想起给慕杰做梦境解译的思路，不由萌生出一个想法。
　　
　　他是听不懂音乐，但把音乐转换成能够看懂的方式，问题不就解决了？
　　
　　所以不妨把这个音频文件当成一段脑认知刺激信号来处理，无须去管歌曲本身。
　　
　　想到这，他打开“万六”群，见大家聊起了别的话题，便没去插话，单独给冯洧煦发了条消息：“你有没有音频信号的波形图&频谱图的分析脚本？”
　　
　　就看冯洧煦对爵士乐的那番分析，魏宏思觉得他大概率写过这种脚本。没有的话也不打紧，随手写一个也用不了太长时间。
　　
　　很快冯洧煦回复：“有啊。”随即把脚本程序发了过来。
　　
　　魏宏思将其复制到自己的电脑上，先打开熟悉了一下。
　　
　　本以为还要改改参数、做些调整，没想到这个脚本竟然直接就能用。冯洧煦自称是群内最懂爵士乐的，果然不是吹牛，他是真的研究过。
　　
　　然后就把沈晴的音频文件导入，进行特征提取与量化分析。
　　
　　过了不长时间，这段音频的时域波形图被绘制出来。
　　
　　这个图形的横轴表示时间，显示音频的持续过程；纵轴表示振幅，即声音在某一时刻的瞬时强度。它反映的是声音强度随时间的直接变化。
　　
　　通过这个图形，就可以直观地看到信号是平稳的、周期性的，还是突发的、杂乱的，但是它无法反映信号的频率构成与频域能量分布。
　　
　　随后程序又绘制出了对应的频谱图。
　　
　　这个图形的横轴为声音频率，纵轴为声音强度，亮度表示该频率成分的能量大小。它是通过对波形图进行傅里叶变换得到的，将时域信号转换成了频域表示。
　　
　　通过频谱图就可以看到，在每个时节点上，声音由哪些频率组成，哪个频率最突出。
　　
　　在这些图形数据的基础上，脚本又进一步计算了自相关系数和信号熵值。前者用来评估旋律与节奏的可预测性，后者对应认知负荷的大小。
　　
　　简单地说，就是这歌有多“流行”或有多“爵士”。
　　
　　至此，沈晴的这首歌就变成了魏宏思能够看懂的内容。
　　
　　不过他是第一次“看”歌，没有什么经验，自然说不上好还是不好。但不要紧，好与坏是比较出来的。
　　
　　他在网上搜了一下，找到沈晴最受欢迎的三首歌，下载后放入脚本进行分析。
　　
　　把这三首歌的数据与沈晴的新作放在一起对比，结论就很明显了。
　　
　　

（本章未完，请点击下一页继续阅读）