Вырезать слова из песни

[DivMan]

А ведь наверно теоретически можно полностью убрать слова из песни и оставить только чистую музыку, перекодировав трек в двоичную систему счисления и удалять ненужные цифры, а потом обратно перекодировать?

[wwt]

6 минут назад, DivMan сказал:

А ведь наверно теоретически можно полностью убрать слова из песни и оставить только чистую музыку, перекодировав трек в двоичную систему счисления и удалять ненужные цифры, а потом обратно перекодировать?

В двоичной системе счисление используется всего две цифры для записи это 0 и 1, оттого она и двоичная. так какие ненужные цифры ты предлагаешь удалить?

[DivMan]

Но там же будет много цифр, например, 

1) звук - 0111111

2) звук - 00010101111

3) звук - 11100000

 

И так удалять ненужное 

[Launder]

Насколько я понимаю, это возможно, только если голос выведен в отдельную дорожку. Если этого нет, то с точки зрения аналогового звука, как и тембр любого инструмента имеет огромное количество обертонов, то есть, это не чистый синус, это очень сложный и многоаспектный спектр, имеющий свой неповторимый рисунок. Соответственно когда инструментов и голосов много, они сливаются в полифонию и ты слышишь их в совокупности. Конечно, если говорить предельно абстрактно, то звуковые волны накладываются по принципу суперпозиции, но я сомневаюсь что наложений не происходит. Поэтому когда ты слушаешь ту или иную полифонию, то у тебя идёт огромное количество звуковой информации и общая звуковая картина возникает от сочетания неповторимых оттенков каждого инструмента. Соответственно, когда она оцифровывается твои 0011110001100 кодируется не звук арфы или звук барабана, а их сочетание, на фоне гобоя... и убрав что-то от арфы, возможно уберётся что-то и трамбона. Практически уверен, что любые алгоритмы по вырезанию голоса не совершенны.

[wwt]

47 минут назад, DivMan сказал:

Но там же будет много цифр, например, 

1) звук - 0111111

2) звук - 00010101111

3) звук - 11100000

 

И так удалять ненужное 

У тебя в кармане 50 разноцветных стеклянных шариков одинакового размера, как не вытаскивая шарики из кармана и не заглядывая туда вытащить шарики только красного цвета? Правильно либо никак либо тебе повезет и ты угадаешь. Чтобы решать такие проблемы недостаточно просто взять и убрать всё лишнее, нужно разработать систему как отличить это лишнее от нужного, и для этого не обязательно перевозить что-либо в двоичную систему. Кстати сказать все данные в электронном виде уже содержаться в двоичном виде на носителе =)

 

ЗЫ ах да "0111111, 00010101111, 11100000" это не цифры, это числа.

[Launder]

Вот, кстати, пользуясь аналогией с шариками. Кто сказал что конкретный шарик относится, к арфе или трубе? Допустим у нас есть синус (или не синус) громкостью 30дБ, может 20дБ из них задаётся арфой, а остальное - трубой. Вы скажите - но ведь звук у них отличается, а значит и спектр отличается. Но ведь шарик показывает не ВЕСЬ спектр, а только маленькую часть спектра(в определённый момент), и она, как раз может совпадать или быть близкой, а раз она близка, а в процессе записи может слиться воедино. И как их различить? Да и вообще, как образуется звуковая картина, полагаю, отдельная, большая тема.

[psywalker]

А не легче ли скачать один минус конкретной песни?

[DivMan]

минусов никогда нету, иногда хочется взять слова из песни без музыки. 

[klierik]

Как правило минуса есть всегда. Но они не лежат в открытом доступе, скорее всего платные

[Int]

Песня и так в двоичном виде, но для удобства человека, её можно рассматривать хоть в десятичном, хоть в шестнадцатеричном, сути это не меняет, только внешний вид.

Объясняю очень схематично.
Мы имеем порядок чисел, которые представляют собой, очень грубо говоря, отдельнные звуки, каждый из которых звучит в выбранный момент времени. Звук — это колебания среды, воздуха (или мембраны  динамика). И сколько бы там инструментов и голосов не звучало, воздух просто колеблется, у него нет разных колебаний для каждого инструмента, они все просуммированы, а число в файле — это та самая сумма. Чтобы это представить, можно представить молекулы воздуха — шарики, соединённые эластичными нитками. Мы дёргаем шарик вперёд (а колеблется он только вперёд-назад вдоль нитки), он за нитку тянет соседний шарик, потом дёргаем его назад, и так далее, так мы делаем ему колебания разной амплитуды и частоты. Мы не можем один и тот же шарик дёргать одновременно и вперёд и назад или на 10 и на 20 см в один и тот же момент, мы должны сперва найти суммарный вектор всех наших звуковых воздействий. То есть, если кто-то втягивает воздух, а рядом двое дуют, то шарик будет двигаться туда, куда дуют, потому что дуют сильнее.
Итак, идут у тебя числа 10 40 12 70, если ты уберёшь "ненужную" 12, потеряешь, скажем, один удар барабана, и вообще, собьёшь ритм, потом учто эти числа — это протяжённость песни по времени. А нам нужно удалить так, чтобы звук во времени остался, но изменился. Это можно было бы попытаться сделать, если бы у нас была дорожка с голосом, мы бы инвертировали её фазу и сложили с полной дорожкой, в теории это даст только минусовку. Ещё можно вырезать некие частоты, в которых сконцентрирован человеческий голос, это оставит низы и верхи, но какую-нибудь бас-гитару может и выпилить вместе с голосом.

Есть хитрые алгоритмы, которые как-то находят голос в песне, составляют шаблон и по этому шаблону убирают его, у меня такая была 14 лет назад, худо-бедно работала. Однажды она как-то странно сглючила и у меня получилась не музыка без голоса, а голос без музыки, я даже этот файл сохранил и до сих пор храню, потому что очень смешно получилось. Конечно, сейчас алгоритмы шагнули дальше вперёд, но это далеко не простое убирание нулей и единичек, этому процессу сопутствует хардкорный анализ.

Один раз я записывал песню и сделал голос в разных каналах с сильным сдвигом фаз, чтобы достичь стереоэффекта. И потом, когда слушал эту песню в моно, которое получалось суммированием двух каналов (на усилке забыл переключатель выключить, который включил, чтоб посмотреть тупое видео, где звук был только слева), то получил песню почти без слов, потому что, как я писал выше, звук в противофазе наложился на себя в фазе. С небольшой погрешностью, конечно, но похоже.
Впоследствии я наоборот, делал голос по центру, а всякие там гитары раскидывал по ушам. На основе этого тоже можно проводить анализ, то есть искать звук, который звучит одновременно в обоих каналах, а потом частотным фильтром из всех (там ещё обычно будут барабаны и что-нибудь ещё) вырезать только диапазон голоса, но это зависит от песни, и так просто всё равно не получится сделать.

Это я к тому, что прежде, чем выдвигать странные идеи, основанные на поверхностном знании темы, стоит углубиться в вопрос, а то получится архиватор Бабушкина. Я сам не претендую на сильное погружение в алгоритмы, но нам на радиотехнике за 5 лет много раз рассказывлаи и про ряд Фурье, и про модуляцию, и про фазы сигналов, и много чего ещё, что мне никогда так и не пригодилось. Ну, разве что, я чуть лучше некоторых понимаю как работает звуковой микшер.