@saxon 你说的是和弦替换还是识别？
替换的话属于乐理相关的，我这个项目不支持，识别的话可以基于这个开发，如果这块大家关注多的话，后续我会优先开发基于深度学习的和弦识别模型。

@saxon 和弦替换属于和弦简化，业务上针对吉他新手是个好的建议。

@602120734
@CMLab 已发送。感谢支持

@CMLab 留邮箱。

@CMLab 和弦识别算法传统数字信号领域算法通常的使用 chroma 特征做类似模板匹配，还有一些 NMF 相关的算法，这些传统经典算法和深度学习相结合，在这块目前发表的一些 paper 都有不错的识别效果。

@chatWell1 你说的问题类似谐波打击乐分离(HPSS)，项目中的 hpss 相关算法可以测试下效果。

@chancat
@SevenElevenZ

感谢支持！
如果你对这个项目感兴趣或有意向加入其中，非常欢迎你的加入，和我一起完善这个项目。

@yingdashi 计算机人工智能方向，业务上使用的话不需要，深度开发的要掌握一些

@james0517 大佬提的这个业务属于音源分离，一般常用的做法是频域掩码，最简单的就是二值化掩码，有很多这块定向算法的研究，典型的如 NMF 算法相关的有很多种，很多也取得不错的效果，但效果好的还是使用深度学习训练频域掩码，也是这些年音频领域研究的热点之一。

腾讯是真流氓。
我以前的域名邮箱 没转成企业微信 早已不能用了。

@stanwanng ECG 属于时序信号，频率非常低，侦测上突变相关的特征非常重要，可以采用 CWT(分析突变的好手)二维频谱数据直接走 CNN 卷积网络分类训练。

至于是否可用项目中 audio 特征，从信号领域来看都是一样，但 ECG 和 audio 本身而言差异还是比较明显，具体这块我也不太专业，推荐比较有名的，针对生物信号的 NeuroKit 开源项目可以研究下。

@beneo 我用的 PPT 。 工具了解的不多。app.diagrams.net 这个在线工具可以试下

@butterls 1. “希望通过音频数据生成基础触感数据”，音频有很多特征数据可以驱动马达，如果要求是特定强度的频率震动跟随音乐鼓点的话，端点和当前范围内功率谱就可以， 是否类似音乐播放可视化震动这种效果？

2. “非规律音频” 有很多，如你所说枪声，脚步这些的区分，时域上典型的有包络，频域上有频谱、mfcc 等，如果短时突变信号多的话，可以用 CWT ，至于如何映射，这个具体和你的业务测试情况相关了，可以尝试常见的 mel/bark/erb 这些听觉刻度模型映射测验小效果。

@602120734 清华镜像目前看起来同步的比较慢，请先使用官方源或者阿里镜像。

@heywin 就喜欢哥们这样的爽快人 真帅

@CMLab 感谢建议，上面己有用户提出过，规划近期推出强大的命令行工具版本。

@xbcslzy 不太了解这个乐器，请问都用了开源哪些算法，这个乐器的音域大概多少？

@stonepy
这个业务属于 ASR 领域孤立词识别，可以用 i-vector 相关技术，基于 PCA 的特征向量比对也可以尝试，还可以拿 MFCC 、mel 频谱这些特征，作为 CNN 和 RNN 网络进行训练分类，当然前面的这些特征合理归一化后也可以尝试打标签走网络分类训练，希望这些对你有所启发和帮助。

@dark009
完全没问题，项目中 MIR 模块中有几个不同 pitch 侦测的算法，根据你的业务情况做多做下测试调参，结合上层业务情况的优化应该能出一个不错的效果。