这是一个小小的Python脚本，可以把一段纯人声音频进行音高的可视化，然后和音频的原视频进行合并， 最终生成一段带有动态音高标注的视频。
你需要ffmpeg。请确保在命令行输入ffmpeg可以正常调用ffmpeg，
或者你知道明确的ffmpeg的位置。
建议大家在虚拟环境中工作
python -m venv venv
source venv/bin/activate
最简单的方式：
pip install -r requirements.txt
这个脚本并不能帮你做人声分离，你需要用其他的软件或者库来完成这件事。
- Ultimate Vocal Remover 是目前我用过效果最好的软件，免费
- spleeter 是一个开源的人声分离库
你需要准备两个文件
- 原始视频文件（.mp4）
- 从原始视频中分离的干声文件（.mp3）
为了画出准确的对比音高，你需要知道这首歌曲的调性（C或者F#之类）。在这个软件中，我们没有特意区别小调， 调性只是为了标注音阶。如果歌曲是小调，请使用其音阶对应的大调的调性。比如A小调对应的是C。
python gen_pitch.py --audio <voice.mp3> -t <tone> <video.mp3> -o <output.mp4>
# 举个例子
python gen_pitch.py --audio wjk_raw.mp3 -t E wjk.mp4 -o wjk_with_pitch.mp4
其中-o可以省略，默认是在输入视频的文件夹下建立另一个视频。
--ffmpeg可以指定你想用的ffmpeg，在你PATH中不存在ffmpeg的时候需要使用--pitch_width设置音高图的宽度，默认是原始视频的一半--pitch_position设置音高图的位置，默认是top_right--min_pitch设置识别的最低的音，默认是D2--max_pitch设置识别的最高的音，默认是G5
如果你对歌曲的音域比较了解，通过设置--min_pitch和--max_pitch可以有效增加音高识别的准确率，
同时还可以加快渲染速度。
Copyright 2023 Tian Gao.
Distrubuted under the terms of the Apache 2.0 license