song recognition

Voranforderungen

• ffmpeg (von librosa zum Laden von MP3) erforderlich)
• Nodejs (Frontend)
• MongoDb

Umgebungsaufbau

Inside backend/.env :

Bearbeiten Sie den Standardmongo_uri in Ihrem MongoDB -Verbindungsschlüssel

 MONGO_URI = mongodb://localhost:27017/?readPreference=primary&serverSelectionTimeoutMS=2000&appname=MongoDB%20Compass&directConnection=true&ssl=false
FLASK_ENV = development

Backend

1. Conda env (optional) erstellen

conda create --name kishikan python=3.8

conda activate kishikan

2. Installieren Sie Python -Abhängigkeiten (im backend )

Bitte navigieren Sie zum backend -Ordner, dann

pip install -r requirements.txt

3. Flask konfigurieren (im backend )

export FLASK_APP=app

Starten Sie den Kolben mit flask run

Frontend

Bitte navigieren Sie zum frontend -Ordner, dann

yarn install zur Installation von Abhängigkeiten

yarn start den Kunden zu öffnen

Wichtige Ordnerstruktur

 .github
-- postman collection for API testing
backend
-- app/: all code to implement RESTful Flask Server
-- kishikan/: audio fingerprinting module
-- nazo/: query by humming module
frontend: react frontend code in typescript

Demo

Bitte öffnen Sie backend/audio_fingerprinting.ipynb für Audio -Fingerprinting und backend/query_by_singing.ipynb für Abfrage durch Summing.

Experimente

Wenn Sie Experimente durchführen möchten, laden Sie bitte die Datensätze herunter und legen Sie sie in datasets/ :

GTZAN und IT IS IS IS: https://www.music-ir.org/mirex/wiki/2021:audio_fingerprinting

QBSH MIDI und Query: https://www.music-ir.org/mirex/wiki/2021:Query_by_singing/humming

Benchmark -Nutzung finden Sie in Jupyter -Notizbüchern im backend/