神曲背后的故事：算法工程师带你理性解构“蚂蚁呀嘿”

简介：前几天小伙伴们是不是都被魔性的「蚂蚁呀嘿」刷屏了？其实背后的技术含量并不复杂，主要依靠的是换脸技术和自动节奏检测，算法会找到节奏点，在这些节奏点摇脸换表情，这样一支魔性而上头短视频就诞生了。今天为大家一一解构那些网络神曲，分享音乐信息检索算法，带你理性看神曲，或许下一个网络神曲缔造者就是你！

作者：意姝
审核：泰一

什么是音乐？

《礼记》里说，“凡音者，生人心者也，情动于中，形于声，声成文，谓之音”，音是表情达意的一种方式。从乐理上讲，通常音乐是由节奏、旋律、和声这三要素构成的，十二平均律这些律式和数学紧密相关。所以我们可以说，音乐是一个感性与理性交融的产物。而今天要介绍的音乐信息检索（Music Information Retrieval，MIR），便是从音乐里提取 “信息” ，用算法将音乐中理性的一面挖掘出来。

哪些是音乐的信息？

1. 节奏

首先我们来听一首抖音神曲：《鳌拜鳌拜鳌拜拜》

https://y.qq.com/n/yqq/song/000ZCScz4g4BuM.html

歌曲中让你忍不住跟着一起摇头抖腿的强烈的鼓点，就是节奏点，这是对节奏一种感性的认知。

严格来说，节奏是被组织起来的音的长短关系，它像是音乐的骨架，把音乐支撑了起来。譬如下图乐谱上的 “4/4” 是拍号，代表着这首曲子的音长的组织形式为：以四分音符为一拍，每小节 4 拍。每小节的第一拍往往为强拍（downbeat），这里的 “down” 和指挥的手势一致。

其它常见的拍号还有：2/4，3/4 等，这些都是单拍子（simple meter），也就是每拍自然二等分的节拍。除此之外还有复拍子（compound meter），指的是每拍自然三等分的节拍，如 6/8，复二拍子，读作 “一二三，二二三，一二三，二二三” 。

爵士乐、灵魂乐的魅力很多都在于对节奏的运用，遗憾的是，相当一部分华语流行歌曲都是 4/4 拍子的，导致听感上有很多雷同之处。

 2. 音高

音乐是一种声音，所以也是由物体震动产生的，音的高低是由振动频率决定的。乐器发出的声音或人声，一般都不会只包含一个频率，而是可以分解成若干个不同频率的音的叠加。

这些频率都是某一频率的倍数，这一频率就称作基频，也就决定了这个音的音高。下图为一段男声朗读的音频的语谱图，最下面蓝色框出来的部分就是当前时