MIDI文件只有几十KB?手把手教你用Python解析SMF格式,看看它到底存了些什么

news2026/5/5 0:34:05
MIDI文件解析实战用Python解码SMF格式的奥秘MIDI文件就像音乐的DNA——几十KB就能存储完整的交响乐谱。这种神奇的压缩效率背后是精妙设计的SMF(Standard MIDI File)格式。今天我们将用Python解剖这个数字乐谱容器看看它如何用事件流代替音频波形实现乐谱即代码的优雅设计。1. 理解SMF格式的基本结构SMF文件由三部分组成文件头(Header Chunk)、轨道块(Track Chunks)和事件流(Event Stream)。这种结构设计让MIDI既能保持紧凑的体积又能表达复杂的音乐信息。典型的SMF文件二进制结构4D 54 68 64 # MThd文件头标识 00 00 00 06 # 头块长度固定为6字节 00 01 # 格式类型(0/1/2) 00 02 # 轨道数 00 78 # 时间单位(ticks per quarter note) 4D 54 72 6B # MTrk轨道块标识 ...SMF格式的三种类型类型0所有MIDI事件存储在单个轨道中类型1多个同步轨道(最常见)类型2多个独立轨道(极少使用)提示现代音乐制作软件通常生成类型1的SMF文件主旋律、伴奏和打击乐分别位于不同轨道。2. 搭建Python解析环境我们将使用mido库——一个专门处理MIDI文件的Python工具包。它提供了对SMF格式的高层抽象同时保留了对原始二进制数据的访问能力。安装依赖pip install mido pip install python-rtmidi # 可选用于实时MIDI输出验证安装import mido print(mido.get_output_names()) # 列出可用MIDI输出设备基础解析代码框架def parse_midi(file_path): mid mido.MidiFile(file_path) print(f类型: {mid.type}, ticks_per_beat: {mid.ticks_per_beat}) for i, track in enumerate(mid.tracks): print(f\n轨道 {i}: {len(track)}个事件) for msg in track[:50]: # 预览前50个事件 print(msg)3. 深度解析轨道事件SMF文件的核心是事件流系统它用增量时间(delta-time)和紧凑编码来表示音乐信息。让我们分解几种关键事件类型3.1 音符事件# 典型的音符开/关消息 note_on mido.Message(note_on, note60, velocity64, time120) note_off mido.Message(note_off, note60, velocity0, time480)音符参数解析参数范围说明note0-127音高(60C4中央C)velocity0-127击键力度(0无声)time可变从上一事件开始的tick数3.2 控制变更与音色选择# 切换音色(Program Change) mido.Message(program_change, channel0, program25) # 25钢弦吉他 # 调制轮控制 mido.Message(control_change, channel0, control1, value64) # 颤音深度3.3 元事件解析SMF包含丰富的元数据通过MetaMessage表示# 设置曲速(微秒每四分音符) mido.MetaMessage(set_tempo, tempo500000) # 120bpm # 拍号标记 mido.MetaMessage(time_signature, numerator4, denominator4)4. 实战构建MIDI可视化工具让我们把这些知识整合成一个实用的分析工具它能生成MIDI文件的统计报告和钢琴卷帘可视化。核心分析函数def analyze_midi(file_path): mid mido.MidiFile(file_path) stats { duration: mid.length, tracks: len(mid.tracks), notes: 0, instruments: set(), tempo_changes: 0 } for track in mid.tracks: for msg in track: if msg.type note_on and msg.velocity 0: stats[notes] 1 elif msg.type program_change: stats[instruments].add(msg.program) elif msg.type set_tempo: stats[tempo_changes] 1 return stats生成钢琴卷帘图import matplotlib.pyplot as plt def plot_piano_roll(mid, max_notes1000): notes [] current_time 0 for msg in mido.merge_tracks(mid.tracks): current_time msg.time if msg.type note_on and msg.velocity 0: notes.append((msg.note, current_time, msg.velocity)) notes notes[:max_notes] plt.figure(figsize(12, 6)) plt.scatter([n[1] for n in notes], [n[0] for n in notes], s[n[2]/2 for n in notes], alpha0.6) plt.xlabel(时间(ticks)) plt.ylabel(音高) plt.title(MIDI钢琴卷帘图) plt.grid(True) plt.show()5. SMF与其他音乐格式的对比虽然SMF是MIDI的标准载体但移动设备领域发展出多种衍生格式移动设备音乐格式比较格式开发者特点典型应用IMY爱立信单音铃声控制振动/背光早期手机铃声SMAF雅马哈支持和弦/波形/语音合成功能机铃声RTTTL诺基亚纯文本格式易于传输修改老式手机铃声XMFMMA容器格式可捆绑MIDI音频专业音乐制作注意现代智能手机已普遍支持SMF原生播放这些专用格式主要用于兼容旧设备。6. 高级技巧动态生成MIDI理解了SMF结构后我们可以动态生成音乐数据。以下代码生成一个简单的C大调音阶def create_scale(): mid mido.MidiFile() track mido.MidiTrack() mid.tracks.append(track) track.append(mido.MetaMessage(set_tempo, tempo500000)) track.append(mido.Message(program_change, program0, time0)) notes [60, 62, 64, 65, 67, 69, 71, 72] # C大调音阶 for i, note in enumerate(notes): track.append(mido.Message(note_on, notenote, velocity64, time120)) track.append(mido.Message(note_off, notenote, velocity0, time480)) mid.save(c_scale.mid)在解析了十几个商业MIDI文件后我发现专业制作的音乐通常会精细调节每个音符的velocity值和微小的时间偏移这是机械生成的MIDI与人性化演奏的关键区别。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2583321.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…