song recognition

Pré-exigences

• ffmpeg (requis par Librosa pour charger mp3)
• Nodejs (frontend)
• Mongodb

Configuration de l'environnement

backend/.env :

Modifiez le Mongo_uri par défaut sur votre clé de connexion MongoDB

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

Backend

1. Créer conda env (facultatif)

conda create --name kishikan python=3.8

conda activate kishikan

2. Installez les dépendances Python (en backend )

Veuillez naviguer vers le dossier backend , puis

pip install -r requirements.txt

3. Configurer Flask (en backend )

export FLASK_APP=app

Démarrez le flacon à l'aide flask run

L'extrémité avant

Veuillez accéder au dossier frontend , puis

yarn install pour installer les dépendances

yarn start à ouvrir le client

Structure des dossiers importants

 .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

Démo

Veuillez ouvrir backend/audio_fingerprinting.ipynb pour l'empreinte audio et backend/query_by_singing.ipynb pour la requête par bourdonnement.

Expériences

Si vous souhaitez effectuer des expériences, veuillez télécharger les ensembles de données et les placer dans datasets/ :

Gtzan et c'est une requête: https://www.music-ir.org/mirex/wiki/2021:Audio_Fingerprint

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

L'utilisation de référence peut être trouvée dans les cahiers de jupyter dans backend/