Notebooks FMP: Notebooks Python para os Fundamentos do Processamento Musical
Status atual
- Os notebooks FMP são atualizados regularmente (versão atual: 1.2.6).
- É possível explorar o conteúdo diretamente por meio da versão HTML estática.
- Para executar o código Python, é necessário seguir as instruções da página "Get Started".
Introdução
- Os notebooks FMP são uma coleção de materiais educacionais para ensinar e aprender os Fundamentos do Processamento Musical (FMP).
- Eles cobrem os principais tópicos da área de Recuperação de Informação Musical (MIR), incluindo exemplos de código Python que implementam a teoria.
- São organizados em uma estrutura consistente e abrangente baseada em notebooks Jupyter.
- Destinam-se a estudantes, professores e pesquisadores para estudar teoria e prática, gerar material didático e fornecer implementações básicas de muitas tarefas de MIR.
Informações de licença
- Os textos e as imagens estão sob a licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International.
- O pacote Python
libfmp está sob a licença MIT e está disponível no GitHub.
- Os materiais de áudio seguem suas respectivas licenças originais.
Primeiros passos
- A versão HTML estática pode ser usada imediatamente, sem instalação.
- Para executar as células de código Python, é necessário baixar os notebooks, configurar o ambiente e iniciar um servidor Jupyter.
- As etapas necessárias são explicadas em detalhes na seção "Get Started" dos notebooks FMP.
Visão geral
- Os notebooks FMP são organizados seguindo os 8 capítulos do livro didático [Müller, FMP, Springer 2015].
- Cada capítulo aborda programação em Python, framework Jupyter, representação musical, análise de Fourier de sinais, sincronização musical, análise de estrutura musical, reconhecimento de acordes, rastreamento de tempo e batida, recuperação de áudio baseada em conteúdo e decomposição de áudio musicalmente informada.
Principais colaboradores
- Vários estudantes, colaboradores e colegas contribuíram para a criação dos notebooks FMP.
- Principais colaboradores: 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.
Materiais de referência
- LibROSA: fornece muitos blocos fundamentais para sistemas de Recuperação de Informação Musical, mantido por Brian McFee.
- Notes on Music Information Retrieval: coleção de materiais educacionais sobre MIR mantida por Steve Tjoa.
- Curso Fundamentals of Music Processing: inclui muitos exemplos de código Python oferecidos por Eran Egozy.
Opinião do GN⁺
- Valor educacional: os notebooks FMP são um recurso muito útil para quem deseja aprender os fundamentos do processamento musical.
- Foco prático: os exemplos de código Python fornecidos junto com a teoria ajudam a aprofundar a compreensão por meio da prática.
- Uso de open source: o material de estudo é enriquecido pelo uso de diversas ferramentas e bibliotecas de código aberto.
- Requisitos técnicos: é necessário ter uma compreensão básica de Python e notebooks Jupyter.
- Necessidade de atualização: como há atualizações regulares, é importante verificar a versão mais recente.
1 comentários
Comentários do Hacker News
Pergunta sobre se há bons materiais para aprender algoritmos de processamento de áudio digital: pergunta sobre se há bons materiais para aprender algoritmos de processamento de áudio digital, como compressão, reverb etc.
Melhor material sobre DSP+ML de áudio: embora seja focado em música, é um dos melhores materiais e também muito relevante para outros tipos de áudio, como voz e sons do ambiente.
Material adicional que pode ajudar: ThinkDSP também pode ajudar.
Pergunta sobre se é bom para quem não tem conhecimento musical, mas gosta de programação e quer aprender sobre áudio e geração de som: mesmo sem conhecimento musical, isso também ajuda no contexto de outros tipos de sinais.
Boa referência: é um bom material.
Agradecimento: bom material, obrigado.
Referência adicional: a página do Dan Ellis, da Universidade Columbia, e o excelente librosa também valem a pena conferir.