Tonhöhenerkennung – Proof of Concept

bereit

→ zum Aufnahmewerkzeug – Referenzmaterial mit Beschreibung aufnehmen

Erkannte Tonhöhe

Hz
Cent
Konfidenz:
Spektrale Entropie:
Phase:
-500+50

Erkannte Töne

Noch keine Töne erkannt.

#BeginnNoteCent DauerAttackStreuungKonfidenzAuslöser

Ein Eintrag entsteht, wenn ein Ton abgeschlossen ist. „Beginn“ ist latenzkorrigiert, zeigt also den Zeitpunkt am Mikrofon, nicht den der Analyse. „Streuung“ ist die Schwankung der Tonhöhe über den Ton – ein Maß für Stabilität. Die Attack-Phase geht nicht in die Tonhöhe ein.

Eingangspegel

RMS (Balken) und Peak (Linie) in dBFS. Rot = Übersteuerung, grau = unter der Stille-Schwelle ( dB).

Misst ca. 2 s lang die Umgebung – dabei nicht spielen. Daraus entstehen zwei Dinge: die Stille-Schwelle (10 dB über dem Ruhepegel) und ein Rauschprofil, das anschließend Bin für Bin vom Spektrum abgezogen wird. Letzteres wirkt gegen konstante Störungen wie Klimaanlage oder Lüfter – nicht gegen einmalige Geräusche.

FFT – aktuelles Frame

Logarithmische Frequenzachse. Die gelbe Linie markiert die erkannte Grundfrequenz, die grauen Marken die Leersaiten der Ukulele (G4 C4 E4 A4).

FFT – Verlauf (Spektrogramm)

Eine Pixelspalte pro Analyse-Frame, neueste rechts.

Verarbeitungslatenz

Gesamt ms
Rechenzeit ms
Warteschlange ms
Budget je Hop ms
Auslastung ×
Verworfen 0Frames

Grün = Rechenzeit pro Frame, blau = Gesamtlatenz (Hardware-Puffer + Analysefenster + Wartezeit + Rechenzeit). Die rote Linie ist das Echtzeit-Budget: liegt Grün darüber, kommt die Analyse nicht mit.

Aufzeichnung & Export

Aufgezeichnete Frames: 0