audio-rithm

from pydub import AudioSegment
import numpy as np
from scipy.signal import find_peaks
import matplotlib.pyplot as plt

audio = AudioSegment.from_file('file_example_MP3_2MG.mp3', format='mp3')
# audio = AudioSegment.from_file('heartbeat-03.mp3', format='mp3')

samples = np.array(audio.get_array_of_samples())
"""
Семплите са дискретни измервания на амплитудата на аудио сигнал, направени на равни интервали във времето. Те
представляват цифровото "превод" на аналоговия звук. Честотата на семплиране определя колко семпла се вземат за
секунда (например 44100 Hz). Всеки семпъл е числова стойност, представяща силата на звука в конкретен момент. В
цифровата обработка на аудио, семплите са основните градивни елементи, позволяващи манипулация,
анализ и възпроизвеждане на звук в компютърните системи.
"""

# Ако аудиото е стерео, раздели на два канала
if audio.channels == 2:
    samples = samples.reshape((-1, 2))

# Конвертиране на стерео аудио към моно ако е нужно
if samples.ndim == 2:
    samples = samples.mean(axis=1)

# Намиране на пикове
peaks, _ = find_peaks(samples, height=0.6 * np.max(samples), distance=audio.frame_rate / 2)

""""
find_peaks() е функция, която открива локални максимуми (пикове) в едномерен масив
В контекста на аудио сигнал, тези пикове могат да представляват ударите на сърцето

Параметърът height определя минималната амплитуда = 60% или 0.6, която се счита за пик

Параметърът distance (не се прилага в секунди, а в брой семпли.)
Гарантира, че пиковете са разделени от минимално разстояние, което помага да се избегнат фалшиви детекции
"""

# Конвертиране на пиковете в секунди
times = peaks / audio.frame_rate

print('Ритъм (в секунди):\n', times)

# Ако numpy array е бил моно, конвертирай обратно към стерео
if samples.ndim == 1:
    samples = np.column_stack([samples, samples])

# Получаване на sample_width от оригиналния аудио файл
sample_width = audio.sample_width

# Конвертиране на numpy array към pydub аудио сегмент
new_audio = AudioSegment(
    samples.tobytes(),
    frame_rate=audio.frame_rate,
    sample_width=sample_width,
    channels=samples.shape[1]
)

# Запис на аудио сегмента като WAV файл
new_audio.export('output_audio.wav', format='wav')

# конвертирай WAV към MP3
# !ffmpeg -i output_audio.wav output_audio.mp3

# графика амплитудата на сигнала във времето с маркирани пикове
plt.plot(samples)
plt.plot(peaks, samples[peaks], "x",color = 'blue')
for peak in peaks:
    plt.axvline(x=peak,
                color='green')
plt.show()

print()
average_time_between_beats = np.mean(np.diff(times))
bpm = 60 / average_time_between_beats
print(f"Средно BPM: {bpm}")

# Изчислете стандартното отклонение на времето между ударите.
beat_variation = np.std(np.diff(times))
print(f"Вариация в ритъма: {beat_variation} секунди")