song recognition

Requisitos pré

• ffmpeg (exigido pela Librosa para carregar MP3)
• Nodejs (front -end)
• MongoDB

Configuração do ambiente

backend/.env :

Edite o padrão Mongo_uri à sua chave de conexão MongoDBB

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

Back -end

1. Crie conda Env (opcional)

conda create --name kishikan python=3.8

conda activate kishikan

2. Instale as dependências do Python (no backend )

Por favor, navegue até a pasta backend , então

pip install -r requirements.txt

3. Configure o frasco (no backend )

export FLASK_APP=app

Inicie o frasco usando flask run

Front-end

Por favor, navegue até a pasta frontend , então

yarn install para instalar dependências

yarn start a abrir o cliente

Estrutura de pastas importantes

 .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

Demonstração

Abra backend/audio_fingerprinting.ipynb para impressão digital de áudio e backend/query_by_singing.ipynb para consulta por zumbido.

Experimentos

Se você deseja realizar experimentos, faça o download dos conjuntos de dados e coloque -os em datasets/ :

Gtzan e é uma consulta: https://www.music-ir.org/mirex/wiki/2021:audio_fingerprinting

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

O uso de referência pode ser encontrado dentro de notebooks Jupyter no backend/