音楽ファイルのBPM（テンポ）・キー（調）検出から包括的な楽曲解析まで対応した音楽制作支援ツールです。
- BPM検出: 高精度なテンポ検出アルゴリズム
- 自動的な高速/低速レイヤー選択
- ハーモニッククラスタリング
- 信頼度スコア付き
- キー検出: 音楽理論に基づいたキー検出
- Krumhansl-Schmucklerキープロファイル使用
- メジャー・マイナー両方に対応
- クロマ特徴量ベースの解析
- 低信頼度時は
Unknown(E♭?)形式で候補表示
- コード進行解析: 自動和音検出とハーモニー解析
- コード進行の識別（C-Am-F-G）
- 機能和声分析（I-vi-IV-V）
- 転調検出
- コード複雑度スコア
- 7th・sus4コードを含む48クラス検出
- 楽曲構造解析: 自動セクション検出と楽曲形式分析
- セクション境界（イントロ、Aメロ、サビ、ブリッジ）
- 楽曲形式の識別（ABABCB）
- 反復パターン検出
- 構造複雑度分析
- 落ちサビ・ラスサビ検出
- リズム・グルーヴ解析: 詳細なリズムパターン分析
- 拍子検出（4/4、3/4、6/8等）
- グルーヴタイプ分類（ストレート、スウィング、シャッフル）
- シンコペーション度測定
- リズム複雑度スコア
- 音色・楽器編成: 音響テクスチャと楽器分析
- 楽器分類（ピアノ、ギター、ドラム等）
- 音色特徴（明度、温かさ、粗さ）
- エフェクト使用度検出（リバーブ、ディストーション、コーラス）
- 音響密度分析
- メロディー・ハーモニー解析: 音楽的内容分析
- メロディー音域と輪郭分析
- ハーモニー複雑度測定
- 協和・不協和度評価
- 音程分布分析
- ダイナミクス・エネルギー: 音響ダイナミクスとエネルギープロファイル
- ダイナミックレンジ分析
- エネルギープロファイル生成
- クライマックスポイント検出
- ラウドネス分析
- 音楽制作参考資料: 自動参考資料生成
- 制作ノートと推奨事項
- 類似楽曲特徴
- 楽曲発注用参考タグ
- 類似度マッチング用特徴ベクトル生成
- セクション分類: インテリジェントな楽曲セクション検出
- イントロ、Aメロ、サビ、ブリッジ、アウトロの自動識別
- 音響特徴を使用したコンテキスト認識分類
- ボーカル存在検出と話し言葉識別
- ダイナミックセクションのエネルギー構築検出
- 境界検出: 精密な構造境界識別
- セクション境界の自己類似度行列解析
- 音楽的精度のためのビート整列境界スナップ
- 反復パターン検出と解析
- ノベルティベース境界検出アルゴリズム
- セクション処理: 高度な後処理と精緻化
- 持続時間と特徴に基づくスマートセクション統合
- 楽器サブタイプ分類のためのスペクトラル解析
- 文字記法による楽曲形式解析（ABABCB）
- 構造複雑度スコアリング
- スマート並列処理: CPUベースの自動最適化
- システム能力の自動検出（CPUコア、メモリ、負荷）
- システムパフォーマンスに基づく適応的ワーカー数
- 動的負荷監視と調整
- シーケンシャル処理への優雅なフォールバック
- プログレス追跡: リアルタイムプログレス監視
- 並列タスクの階層プログレス表示
- 各解析モジュールの詳細プログレス
- 時間推定とパフォーマンスメトリクス
- タスクステータス付きインタラクティブプログレスバー
- パフォーマンス最適化: 大幅な速度向上
- 中規模システム（4-7コア）で2-3倍高速
- 高性能システム（8+コア）で3-7倍高速
- インテリジェントメモリ管理
- ワークロードに基づくプロセス対スレッドプール選択
- 柔軟な解析オプション: 必要な情報だけを解析
--rhythm: リズムと拍子のみを解析--chords: コード進行のみを解析--structure: 楽曲構造のみを解析--timbre: 音色と楽器のみを解析--melody: メロディとハーモニーのみを解析--dynamics: ダイナミクスのみを解析- オプションを組み合わせてカスタム解析パイプラインを構築
- パフォーマンスの利点: 不要な計算をスキップして高速化
- ターゲット解析で処理時間を大幅に削減
- メモリ使用量の低減
- 特定の機能のみが必要なバッチ処理に最適
- 📦 PyPIパッケージ (近日公開予定)
- 🐳 Dockerイメージ
- 📊 テストカバレッジ
- 🔧 CI/CDステータス
- 📖 ドキュメント
- 🐛 Issues
- 💡 機能リクエスト
pip install bpm-detector# リポジトリをクローン
git clone git@github.com:libraz/bpm-detector.git
cd bpm-detector
# 仮想環境を作成（オプションですが推奨）
python -m venv venv
source venv/bin/activate # Windows: venv\Scripts\activate
# 開発モードでインストール
pip install -e .# リポジトリをクローン
git clone git@github.com:libraz/bpm-detector.git
cd bpm-detector
# ryeで依存関係をインストール
rye syncインストール後、bpm-detectorコマンドを使用できます：
# 基本的な使用方法（BPMのみ）
bpm-detector your_audio_file.wav
# キー検出も含める場合
bpm-detector --detect-key your_audio_file.wav
# 複数ファイルの処理
bpm-detector --detect-key *.wav *.mp3
# 進捗表示を抑制
bpm-detector --quiet --detect-key your_audio_file.wav
# 選択的解析 - 必要な情報だけを高速に解析
bpm-detector --rhythm your_audio_file.wav # BPM + 拍子のみ
bpm-detector --detect-key --rhythm your_audio_file.wav # BPM + キー + リズム
bpm-detector --melody --timbre your_audio_file.wav # BPM + メロディ + 楽器
bpm-detector --rhythm --chords --structure your_audio_file.wav # 複数の解析
# 利用可能な選択的解析オプション：
# --rhythm : リズムと拍子を解析
# --chords : コード進行を解析
# --structure : 楽曲構造を解析
# --timbre : 音色と楽器を解析
# --melody : メロディとハーモニーを解析
# --dynamics : ダイナミクスを解析
# 包括的解析（全機能）
bpm-detector --comprehensive your_audio_file.wav
# 並列処理
bpm-detector --comprehensive your_audio_file.wav # 自動並列処理がデフォルトで有効
bpm-detector --comprehensive --max-workers 4 your_audio_file.wav # 手動ワーカー数設定
bpm-detector --comprehensive --no-parallel your_audio_file.wav # 並列処理を無効化
bpm-detector --show-system-info # システム能力と並列設定を表示
bpm-detector --comprehensive --detailed-progress your_audio_file.wav # 詳細プログレス追跡from bpm_detector import AudioAnalyzer
# アナライザーを初期化
analyzer = AudioAnalyzer()
# 基本解析（BPM + キーのみ）- 高速！
results = analyzer.analyze_file('song.wav', detect_key=True, comprehensive=False)
print(f"BPM: {results['basic_info']['bpm']:.1f}")
print(f"キー: {results['basic_info']['key']}")
print(f"長さ: {results['basic_info']['duration']:.1f}秒")from bpm_detector import AudioAnalyzer
analyzer = AudioAnalyzer()
# リズムと拍子のみを解析（最速）
results = analyzer.analyze_file(
'song.wav',
detect_key=False,
comprehensive=False,
analyze_rhythm=True
)
print(f"BPM: {results['basic_info']['bpm']:.1f}")
print(f"拍子: {results['rhythm']['time_signature']}")
print(f"グルーヴ: {results['rhythm']['groove_type']}")
# 複数の選択的解析
results = analyzer.analyze_file(
'song.wav',
detect_key=True,
comprehensive=False,
analyze_rhythm=True,
analyze_melody=True,
analyze_timbre=True
)
# 選択した解析結果にアクセス
print(f"キー: {results['basic_info']['key']}")
print(f"拍子: {results['rhythm']['time_signature']}")
print(f"楽器: {results['timbre']['dominant_instruments']}")
print(f"ボーカルレンジ: {results['melody_harmony']['melodic_range']}")
# 利用可能な選択的解析パラメータ：
# analyze_rhythm=True : リズムと拍子
# analyze_chords=True : コード進行
# analyze_structure=True : 楽曲構造
# analyze_timbre=True : 音色と楽器
# analyze_melody=True : メロディとハーモニー
# analyze_dynamics=True : ダイナミクス# 包括的解析 - 全機能！
results = analyzer.analyze_file('song.wav', comprehensive=True)
# 基本情報
basic = results['basic_info']
print(f"BPM: {basic['bpm']:.1f}, キー: {basic['key']}")
# コード進行
chords = results['chord_progression']
print(f"メインコード進行: {' → '.join(chords['main_progression'])}")
print(f"コード複雑度: {chords['chord_complexity']:.1%}")
# 楽曲構造
structure = results['structure']
print(f"楽曲形式: {structure['form']}")
print(f"セクション数: {structure['section_count']}")
# リズム解析
rhythm = results['rhythm']
print(f"拍子: {rhythm['time_signature']}")
print(f"グルーヴ: {rhythm['groove_type']}")
# 制作参考資料を生成
reference_sheet = analyzer.generate_reference_sheet(results)
print(reference_sheet)from bpm_detector import SmartParallelAudioAnalyzer
# 自動最適化付きスマート並列アナライザー
analyzer = SmartParallelAudioAnalyzer(auto_parallel=True)
# プログレス追跡付き単一ファイル
def progress_callback(progress, message):
print(f"プログレス: {progress:.1f}% - {message}")
results = analyzer.analyze_file(
'song.wav',
comprehensive=True,
progress_callback=progress_callback,
detailed_progress=True
)
# 並列処理による複数ファイル
files = ['song1.wav', 'song2.wav', 'song3.wav']
batch_results = analyzer.analyze_file(files, comprehensive=True)
# 手動設定
analyzer = SmartParallelAudioAnalyzer(
auto_parallel=True,
max_workers=4 # 自動ワーカー数をオーバーライド
)
# システム設定確認
from bpm_detector import AutoParallelConfig
config = AutoParallelConfig.get_optimal_config()
print(f"並列処理有効: {config.enable_parallel}")
print(f"最大ワーカー数: {config.max_workers}")
print(f"戦略: {config.strategy.value}")import time
from bpm_detector import AudioAnalyzer, SmartParallelAudioAnalyzer
# 従来のアナライザー
traditional = AudioAnalyzer()
parallel = SmartParallelAudioAnalyzer(auto_parallel=True)
# 高速解析（0.1-0.7秒）
start = time.time()
basic_results = traditional.analyze_file('song.wav', comprehensive=False)
print(f"基本解析: {time.time() - start:.2f}秒")
# シーケンシャル包括的解析（2.5-15秒）
start = time.time()
sequential_results = traditional.analyze_file('song.wav', comprehensive=True)
sequential_time = time.time() - start
print(f"シーケンシャル包括的解析: {sequential_time:.2f}秒")
# 並列包括的解析（システムによって1-6秒）
start = time.time()
parallel_results = parallel.analyze_file('song.wav', comprehensive=True)
parallel_time = time.time() - start
print(f"並列包括的解析: {parallel_time:.2f}秒")
print(f"速度向上: {sequential_time/parallel_time:.2f}倍")Dockerを使用して検出器を実行することもできます：
# 最新イメージを取得
docker pull ghcr.io/libraz/bpm-detector:latest
# 音声ファイルで実行（音声ディレクトリをマウント）
docker run --rm -v /path/to/your/audio:/workspace ghcr.io/libraz/bpm-detector:latest --detect-key audio.wav
# インタラクティブモード
docker run --rm -it -v /path/to/your/audio:/workspace ghcr.io/libraz/bpm-detector:latestインストールせずにソースから実行する場合：
# Pythonモジュールとして実行
python -m bpm_detector.cli your_audio_file.wav
# ryeを使用
rye run python -m bpm_detector.cli your_audio_file.wav
# Dockerイメージをローカルでビルド
docker build -t bpm-detector .
docker run --rm -v $(pwd):/workspace bpm-detector --help--detect-key: キー検出を有効にする--comprehensive: 包括的楽曲解析を有効にする--quiet: 進捗表示を抑制--sr SR: サンプリングレート（デフォルト: 22050）--hop HOP: ホップ長（デフォルト: 128）--min_bpm MIN_BPM: 最小BPM（デフォルト: 40.0）--max_bpm MAX_BPM: 最大BPM（デフォルト: 300.0）--start_bpm START_BPM: 開始BPM（デフォルト: 150.0）
--auto-parallel: 自動並列最適化を有効にする（デフォルト: 有効）--no-parallel: 並列処理を無効にする--max-workers N: 自動ワーカー数をオーバーライド--detailed-progress: 各解析タスクの詳細プログレスを表示--show-system-info: システム情報と並列設定を表示
analyzer.analyze_file(
path='song.wav',
detect_key=True, # キー検出を有効
comprehensive=True, # 全高度機能を有効
min_bpm=40.0, # 最小BPM範囲
max_bpm=300.0, # 最大BPM範囲
start_bpm=150.0, # 開始BPM推定値
progress_callback=None # プログレスコールバック関数
)example.wav
> BPM Candidates Top10
* 120.00 BPM : 45
240.00 BPM : 23
60.00 BPM : 18
180.00 BPM : 12
...
> Estimated BPM : 120.00 BPM (conf 78.3%)
> Estimated Key : C Major (conf 85.2%)
example.wav
> BPM: 120.0, キー: C Major, 長さ: 180.0秒
> コード進行: C → Am → F → G (I-vi-IV-V)
> 構造: イントロ-Aメロ-サビ-Aメロ-サビ-ブリッジ-サビ (ABABCB)
> リズム: 4/4拍子, ストレートグルーヴ, 中程度のシンコペーション
> 楽器: ピアノ主体, ギター, ドラム
> エネルギー: 中レベル, 2分30秒でクライマックス
# 楽曲制作参考資料
## 基本情報
- **テンポ**: 120.0 BPM
- **キー**: C Major
- **拍子**: 4/4
- **長さ**: 180秒
## ハーモニー・コード進行
- **メインコード進行**: C - Am - F - G
- **コード複雑度**: 65.0%
- **ハーモニックリズム**: 2.0 変化/秒
## 制作ノート
- アレンジ密度: 中程度
- プロダクションスタイル: ロックポップ
- ミックス特徴: 明るいミックス, パンチの効いたドラム
## 参考タグ
アップビート, メジャーキー, ピアノ主体, ギター主体, 中エネルギー注意: 実際のCLI出力にはカラーが含まれます：
- ファイル名は明るいシアンで表示
- セクションヘッダー（"> BPM Candidates"）は黄色
- 選択されたBPM候補（*）は緑色
- 最終推定値は明るい緑色（BPM）とマゼンタ（キー）
| 音声長 | 基本解析 | シーケンシャル包括的解析 | 並列包括的解析 | 並列速度向上 |
|---|---|---|---|---|
| 5秒 | 0.7秒 | 2.5秒 | 1.2秒 | 2.1倍 |
| 10秒 | 0.1秒 | 4.9秒 | 2.0秒 | 2.5倍 |
| 20秒 | 0.2秒 | 9.9秒 | 3.8秒 | 2.6倍 |
| 30秒 | 0.3秒 | 15.0秒 | 5.5秒 | 2.7倍 |
| システムタイプ | CPUコア数 | 並列速度向上 | メモリ使用量 | 推奨設定 |
|---|---|---|---|---|
| ハイエンド | 8-16 | 3.0-4.0倍 | 1-2GB | 自動並列有効 |
| ミドルレンジ | 4-7 | 2.0-3.0倍 | 512MB-1GB | 自動並列有効 |
| ローエンド | 2-3 | 1.2-1.8倍 | 256-512MB | 保守的並列 |
| シングルコア | 1 | 1.0倍 | 256MB | シーケンシャルのみ |
推奨事項:
- リアルタイムアプリケーションには
comprehensive=Falseを使用 - バッチ処理と詳細分析には
SmartParallelAudioAnalyzerを使用 - システム固有のチューニングは自動並列最適化に任せる
- librosaのテンポ検出機能を使用
- ハーモニッククラスタリングによる候補の統合
- 高速レイヤー（×1.5, ×2）の自動選択
- クロマ特徴量（Chroma features）の抽出
- Krumhansl-Schmucklerキープロファイルとの相関計算
- 24キー（12メジャー + 12マイナー）からの最適選択
- コード検出: クロマ特徴量とハーモニッククラスタリングによるテンプレートマッチング
- 構造解析: ノベルティベース境界検出による自己類似度行列
- セクション分類: エネルギー、スペクトラル、ボーカル特徴を使用したコンテキスト認識分類
- 境界検出: 反復解析付きビート整列境界スナップ
- セクション処理: スマート統合とスペクトラルベース精緻化
- リズム解析: 拍子とグルーヴ分類によるオンセット検出
- 音色解析: MFCC、スペクトラルコントラスト、楽器分類
- メロディー解析: ピッチ安定性解析による基本周波数追跡
- ハーモニー解析: 協和・不協和度評価とハーモニー複雑度
- ダイナミクス解析: クライマックス検出付きRMSエネルギープロファイル
- 類似度エンジン: 多次元特徴ベクトル生成と比較
- 並列処理: 動的負荷分散によるCPUベース適応最適化
包括的解析は以下の理由でオプション機能として実装されています：
- パフォーマンス: 高度解析により大幅な計算負荷増加（3-45倍遅い）
- 用途: DJミキシング、テンポマッチング、基本解析のみが必要な場合が多い
- 処理時間: バッチ処理時、詳細機能が不要な場合は高速な基本解析を選択可能
- 柔軟性: 要件に応じて速度と機能の完全性のバランスを調整可能
- テストカバレッジ: 全15モジュールをカバーする100以上のテストを含む包括的テストスイート
- 対応Python: 3.12以上
- Dockerイメージサイズ: 約1.6GB
- ビルド時間: 約4分
- 対応フォーマット: WAV, MP3, FLAC, M4A, OGG
- 解析機能: 15つの包括的モジュール + 類似度エンジン
- librosa >= 0.11.0
- soundfile >= 0.13.1
- numpy >= 2.2.6
- tqdm >= 4.67.1
- audioread >= 3.0.1
- colorama >= 0.4.6
- scikit-learn >= 1.3.0
- scipy >= 1.11.0
- matplotlib >= 3.7.0
- seaborn >= 0.12.0
- pandas >= 2.0.0
- psutil >= 5.9.0（システム監視とリソース管理）
コントリビューションを歓迎します！詳細はコントリビューションガイドラインをご覧ください。
- リポジトリをフォーク
- 機能ブランチを作成 (
git checkout -b feature/amazing-feature) - 変更をコミット (
git commit -m 'Add amazing feature') - ブランチにプッシュ (
git push origin feature/amazing-feature) - プルリクエストを開く
このプロジェクトはMITライセンスの下で公開されています。詳細はLICENSEをご覧ください。