In den letzten Monaten habe ich daran gearbeitet, mein erstes Album -Visualisierungstool zu automatisieren, damit andere Menschen es selbst verwenden können. Das allgemeine Gist ist, dass das menschliche Ohr logarithmisch von 20 Hz bis 20.000 Hz hören kann und Wellenlängen von 400 nm-700 nm sehen kann. Mit einer Gleichung, um die dominante Frequenz in eine Wellenlänge anzupassen, generiert der Code eine Farbe für jedes Stück eines Songs.
Der Prozess des Algorithmus:
Schritt 1. Laden Sie jedes Lied hoch hoch
Schritt 2. Schneiden Sie Song in 0,1 Sek. Stücke aus
Schritt 3. Finden Sie an diesem Punkt die dominante Frequenz (von 20 Hz-20.000 Hz)
Schritt 4. Stecken Sie diesen Wert in die logarithmische Gleichung, um eine Wellenlänge zu erhalten (400-700 nm).
Schritt 5. Jede Wellenlänge hat eine andere Farbe (z. B. 400 nm – Violett, 700 nm – rot)
Schritt 6. Sammeln Sie jede Farbe
Schritt 7. Pretty Gradient!
Lassen Sie mich wissen, was Sie denken, probieren Sie es aus, ich will gerne Änderungen am Skript. Wenn Sie einen Druck oder ein bestimmtes Album möchten, lassen Sie es mich wissen
Die Website ist https://albumviz.netlify.net Wo es ins Detail geht, zeigt die Gleichung und weitere Beispiele. Solange das Album auf YouTube ist und eine URL hat, kann es in einen Farbfingerabdruck verwandelt werden. Hier ist auch das Repo für den direkten Zugriff https://github.com/camnoval/audiovisualizer
Von camjam267
4 Kommentare
A few notes:
1) colors in the visible spectrum aren’t perceptually uniform. E.g. Yellow is lighter than both colors surrounding it. So using colors like that doesn’t lead to viewers interpreting high frequency colors as higher frequency sounds. You need a perceptually uniform color gradient for that.
2) frequency isn’t the only thing that matters in music. Have you considered mapping loudness or something else to the height of the bars?
I feel like this doesn’t tell me anything about the album or songs. Do you find your listening experience correlated to some feature of these bars? I kinda like the concept tho
this is pretty cool. i can feel it, esp based on knowing where the colors go in my memory of the song. your initial data would be a really good base for other time based things too – most of which i think would be a very different sampling method, like asking people to press a button when they feel excited or another when they are bored or both.
if you aren’t getting enough colors to show up (just see red green yellow) I think you could limit the range from 20hz – 15khz since 15-20 is just ear candy air and might not lead to any insights.
cool idea, you could do something for the color ranges.
How do you think this compares to a spectrogram?