CREPE のインストール，CREPE を用いた音声分析プログラム（音のピッチ推定）（Python，PyTorch を使用）（Windows 上）

前準備

Build Tools for Visual Studio 2026（ビルドツール）のインストール

Build Tools for Visual Studio 2026（ビルドツール）のインストールを行い、C/C++ コードのビルド環境を整える。

REM ============================================================
REM Visual C++ 再頒布可能パッケージ (VCRedist 2015-)
REM ============================================================
winget install --scope machine --id Microsoft.VCRedist.2015+.x64 -e --silent --disable-interactivity --force --accept-source-agreements --accept-package-agreements --override "/quiet /norestart"
if not "%ERRORLEVEL%"=="0" ( color 0c & echo VCRedist のインストールに失敗しました & ping 127.0.0.1 -n 6 >nul & color )

REM ============================================================
REM Visual Studio Build Tools + Desktop development with C++
REM （VCTools、MSBuildTools、CMake連携、Clang、Windows 11 SDK）
REM ============================================================
REM 進行中のインストーラーを停止（ロック競合回避。対象プロセスが存在しない場合は
REM taskkillがエラーを返すが、これは想定内であるため出力のみ抑制する）
taskkill /F /IM vs_setup.exe /T >nul 2>&1
taskkill /F /IM vs_installer.exe /T >nul 2>&1
taskkill /F /IM vs_installerservice.exe /T >nul 2>&1
taskkill /F /IM msiexec.exe /T >nul 2>&1

REM Build Tools + Desktop development with C++（VCTools）+ 追加コンポーネント（一括）
REM 未インストール時: winget で新規インストール
REM インストール済み時: setup.exe modify でコンポーネント追加（バージョンは変更しない）
winget list --id Microsoft.VisualStudio.BuildTools 2>nul | findstr /i "BuildTools" >nul 2>&1
if %ERRORLEVEL% EQU 0 (
    for /f "usebackq delims=" %P in (`"C:\Program Files (x86)\Microsoft Visual Studio\Installer\vswhere.exe" -products Microsoft.VisualStudio.Product.BuildTools -property installationPath`) do start /wait "" "C:\Program Files (x86)\Microsoft Visual Studio\Installer\setup.exe" modify --installPath "%P" --add Microsoft.VisualStudio.Workload.VCTools --add Microsoft.VisualStudio.Workload.MSBuildTools --add Microsoft.VisualStudio.Component.VC.CMake.Project --add Microsoft.VisualStudio.Component.VC.Llvm.Clang --add Microsoft.VisualStudio.Component.VC.Llvm.ClangToolset --add Microsoft.VisualStudio.Component.Windows11SDK.26100 --add Microsoft.VisualStudio.Component.VC.v143.x86.x64 --includeRecommended --quiet --norestart --nocache
    if not "%ERRORLEVEL%"=="0" ( color 0c & echo Build Tools のコンポーネント追加に失敗しました & ping 127.0.0.1 -n 6 >nul & color )
) else (
    winget install --scope machine --id Microsoft.VisualStudio.BuildTools -e --silent --disable-interactivity --force --accept-source-agreements --accept-package-agreements --override "--quiet --wait --norestart --nocache --add Microsoft.VisualStudio.Workload.VCTools --includeRecommended --add Microsoft.VisualStudio.Workload.MSBuildTools --add Microsoft.VisualStudio.Component.VC.CMake.Project --add Microsoft.VisualStudio.Component.VC.Llvm.Clang --add Microsoft.VisualStudio.Component.VC.Llvm.ClangToolset --add Microsoft.VisualStudio.Component.Windows11SDK.26100 --add Microsoft.VisualStudio.Component.VC.v143.x86.x64"
    if not "%ERRORLEVEL%"=="0" ( color 0c & echo Build Tools のインストールに失敗しました & ping 127.0.0.1 -n 6 >nul & color )
)

REM
REM BuildTools のインストールパスを vswhere.exe で取得（メジャーバージョンに依存しない）
set "VSWHERE=C:\Program Files (x86)\Microsoft Visual Studio\Installer\vswhere.exe"
set "BT_PATH="
for /f "usebackq delims=" %P in (`"%VSWHERE%" -products Microsoft.VisualStudio.Product.BuildTools -property installationPath`) do set "BT_PATH=%P"
if not defined BT_PATH ( color 0c & echo Build Tools のインストールパスを取得できませんでした & ping 127.0.0.1 -n 6 >nul & color )

REM 破損時の修復（任意、動作がおかしくなった場合）
REM if defined BT_PATH "C:\Program Files (x86)\Microsoft Visual Studio\Installer\setup.exe" repair --installPath "%BT_PATH%" --quiet --norestart
REM 導入確認（インストールパスが表示されれば正常）
"%VSWHERE%" -products * -requires Microsoft.VisualStudio.Workload.VCTools -property installationPath

winget list Microsoft.VisualStudio.BuildTools

Python 3.12 のインストール

Pythonのインストールを行い、Pythonのプログラムを実行する環境を整える。扱う環境は、Windows搭載パソコンである。金子研究室では、Python 3.12.10を推奨する。

REM Python 3.12 をシステム領域にインストール
winget install --id Python.Python.3.12 -e --scope machine --silent --accept-source-agreements --accept-package-agreements --override "/quiet InstallAllUsers=1 PrependPath=1 Include_test=0 Include_pip=1 Include_launcher=1 InstallLauncherAllUsers=1 TargetDir=\"C:\Program Files\Python312\""
if not "%ERRORLEVEL%"=="0" ( color 0c & echo Python 3.12 のインストールに失敗しました & ping 127.0.0.1 -n 6 >nul & color )

REM Python と Scripts を PATH 先頭に追加
powershell -NoProfile -Command "$p='C:\Program Files\Python312'; $s=\"$p\Scripts\"; if(Test-Path $p){$k=[Microsoft.Win32.Registry]::LocalMachine.OpenSubKey('SYSTEM\CurrentControlSet\Control\Session Manager\Environment',$true); $c=$k.GetValue('Path','',[Microsoft.Win32.RegistryValueOptions]::DoNotExpandEnvironmentNames); $t=$k.GetValueKind('Path'); $new=$c; if((';'+$new+';') -notlike \"*;$p;*\"){$new=$p+';'+$new}; if((';'+$new+';') -notlike \"*;$s;*\"){$new=$s+';'+$new}; if($new -ne $c){$k.SetValue('Path',$new,$t)}; $k.Close()}"

REM 現在のセッションにも反映（システムPATHを再取得して連結）
for /f "usebackq tokens=2,*" %A in (`reg query "HKLM\SYSTEM\CurrentControlSet\Control\Session Manager\Environment" /v Path`) do set "PATH=%B"

REM pip / wheel の更新
python -m pip install --no-user -U pip wheel
if not "%ERRORLEVEL%"=="0" ( color 0c & echo pip / wheel の更新に失敗しました & ping 127.0.0.1 -n 6 >nul & color )

python --version

REM Git をシステム領域にインストール
winget install --scope machine --id Git.Git -e --silent --disable-interactivity --force --accept-source-agreements --accept-package-agreements --override "/VERYSILENT /NORESTART /NOCANCEL /SP- /CLOSEAPPLICATIONS /RESTARTAPPLICATIONS /COMPONENTS=""icons,ext\reg\shellhere,assoc,assoc_sh"" /o:PathOption=Cmd /o:CRLFOption=CRLFCommitAsIs /o:BashTerminalOption=MinTTY /o:DefaultBranchOption=main /o:EditorOption=VIM /o:SSHOption=OpenSSH /o:UseCredentialManager=Enabled /o:PerformanceTweaksFSCache=Enabled /o:EnableSymlinks=Disabled /o:EnableFSMonitor=Disabled"

REM 7-Zip をシステム領域にインストール
winget install --scope machine --id 7zip.7zip -e --silent --disable-interactivity --force --accept-source-agreements --accept-package-agreements
REM 7-Zip のパス設定
powershell -NoProfile -Command "$p='C:\Program Files\7-Zip'; $c=[Environment]::GetEnvironmentVariable('Path','Machine'); if((Test-Path $p) -and $c -notlike \"*$p*\"){[Environment]::SetEnvironmentVariable('Path',\"$p;$c\",'Machine')}"

Build Tools for Visual Studio 2026（ビルドツール）のインストール

Build Tools for Visual Studio 2026（ビルドツール）のインストールを行い、C/C++ コードのビルド環境を整える。

REM ============================================================
REM Visual C++ 再頒布可能パッケージ (VCRedist 2015-)
REM ============================================================
winget install --scope machine --id Microsoft.VCRedist.2015+.x64 -e --silent --disable-interactivity --force --accept-source-agreements --accept-package-agreements --override "/quiet /norestart"
if not "%ERRORLEVEL%"=="0" ( color 0c & echo VCRedist のインストールに失敗しました & ping 127.0.0.1 -n 6 >nul & color )

REM ============================================================
REM Visual Studio Build Tools + Desktop development with C++
REM （VCTools、MSBuildTools、CMake連携、Clang、Windows 11 SDK）
REM ============================================================
REM 進行中のインストーラーを停止（ロック競合回避。対象プロセスが存在しない場合は
REM taskkillがエラーを返すが、これは想定内であるため出力のみ抑制する）
taskkill /F /IM vs_setup.exe /T >nul 2>&1
taskkill /F /IM vs_installer.exe /T >nul 2>&1
taskkill /F /IM vs_installerservice.exe /T >nul 2>&1
taskkill /F /IM msiexec.exe /T >nul 2>&1

REM Build Tools + Desktop development with C++（VCTools）+ 追加コンポーネント（一括）
REM 未インストール時: winget で新規インストール
REM インストール済み時: setup.exe modify でコンポーネント追加（バージョンは変更しない）
winget list --id Microsoft.VisualStudio.BuildTools 2>nul | findstr /i "BuildTools" >nul 2>&1
if %ERRORLEVEL% EQU 0 (
    for /f "usebackq delims=" %P in (`"C:\Program Files (x86)\Microsoft Visual Studio\Installer\vswhere.exe" -products Microsoft.VisualStudio.Product.BuildTools -property installationPath`) do start /wait "" "C:\Program Files (x86)\Microsoft Visual Studio\Installer\setup.exe" modify --installPath "%P" --add Microsoft.VisualStudio.Workload.VCTools --add Microsoft.VisualStudio.Workload.MSBuildTools --add Microsoft.VisualStudio.Component.VC.CMake.Project --add Microsoft.VisualStudio.Component.VC.Llvm.Clang --add Microsoft.VisualStudio.Component.VC.Llvm.ClangToolset --add Microsoft.VisualStudio.Component.Windows11SDK.26100 --add Microsoft.VisualStudio.Component.VC.v143.x86.x64 --includeRecommended --quiet --norestart --nocache
    if not "%ERRORLEVEL%"=="0" ( color 0c & echo Build Tools のコンポーネント追加に失敗しました & ping 127.0.0.1 -n 6 >nul & color )
) else (
    winget install --scope machine --id Microsoft.VisualStudio.BuildTools -e --silent --disable-interactivity --force --accept-source-agreements --accept-package-agreements --override "--quiet --wait --norestart --nocache --add Microsoft.VisualStudio.Workload.VCTools --includeRecommended --add Microsoft.VisualStudio.Workload.MSBuildTools --add Microsoft.VisualStudio.Component.VC.CMake.Project --add Microsoft.VisualStudio.Component.VC.Llvm.Clang --add Microsoft.VisualStudio.Component.VC.Llvm.ClangToolset --add Microsoft.VisualStudio.Component.Windows11SDK.26100 --add Microsoft.VisualStudio.Component.VC.v143.x86.x64"
    if not "%ERRORLEVEL%"=="0" ( color 0c & echo Build Tools のインストールに失敗しました & ping 127.0.0.1 -n 6 >nul & color )
)

REM
REM BuildTools のインストールパスを vswhere.exe で取得（メジャーバージョンに依存しない）
set "VSWHERE=C:\Program Files (x86)\Microsoft Visual Studio\Installer\vswhere.exe"
set "BT_PATH="
for /f "usebackq delims=" %P in (`"%VSWHERE%" -products Microsoft.VisualStudio.Product.BuildTools -property installationPath`) do set "BT_PATH=%P"
if not defined BT_PATH ( color 0c & echo Build Tools のインストールパスを取得できませんでした & ping 127.0.0.1 -n 6 >nul & color )

REM 破損時の修復（任意、動作がおかしくなった場合）
REM if defined BT_PATH "C:\Program Files (x86)\Microsoft Visual Studio\Installer\setup.exe" repair --installPath "%BT_PATH%" --quiet --norestart
REM 導入確認（インストールパスが表示されれば正常）
"%VSWHERE%" -products * -requires Microsoft.VisualStudio.Workload.VCTools -property installationPath

winget list Microsoft.VisualStudio.BuildTools

NVIDIA CUDA Toolkit 12.8のインストール（GPU を使用する場合）

• 前提条件（NVIDIA CUDA Toolkit インストール前）: NVIDIA GPU，NVIDIA ドライバ，および Build Tools for Visual Studio もしくは Visual Studio が必要である．
• インストール中の注意: なるべく他のウインドウはすべて閉じておくこと．
• GPU を使用しない場合は，この手順は不要である（CPU でも動作する）．

以下のコマンドを管理者権限のコマンドプロンプトで実行する （手順：Windowsキーまたはスタートメニュー → cmd と入力 → 右クリック → 「管理者として実行」）。

REM NVIDIA CUDA Toolkit 12.8 をシステム領域にインストール
winget install --scope machine --id Nvidia.CUDA --version 12.8 -e --silent --disable-interactivity --force --uninstall-previous --accept-source-agreements --accept-package-agreements --override "-s -n"

REM 環境変数TEMP, TMPの設定（一時ファイルの保存先を短いパスに変更）
mkdir C:\TEMP
set "TEMP_PATH=C:\TEMP"
setx TEMP "%TEMP_PATH%" /M >nul
setx TMP "%TEMP_PATH%" /M >nul

PyTorch のインストール（Windows 上）

1. 以下の手順を管理者権限のコマンドプロンプトで実行する （手順：Windowsキーまたはスタートメニュー → cmd と入力 → 右クリック → 「管理者として実行」）。
2. PyTorch のインストール

   【注意】 PyTorch のインストールコマンドは，OS，Python バージョン，CUDA バージョンによって異なる．以下の PyTorch 公式サイトで，使用する環境に合ったインストールコマンドを確認する．

   PyTorch 公式サイト（インストールページ）： https://pytorch.org/get-started/locally/

   次のコマンドを実行することにより，PyTorch と関連パッケージ（torchcrepe，scipy，pandas，matplotlib）がインストール（インストール済みのときは最新版に更新）される．以下は CUDA 12.8 環境向けの一例である．

   python -m pip uninstall -y torch torchvision torchaudio torchcrepe
   python -m pip install -U torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu128
   python -m pip install -U torchcrepe scipy pandas matplotlib tqdm
   

3. インストールの確認

   python -c "import torch; print(f'PyTorch Version: {torch.__version__}'); print(f'CUDA Available: {torch.cuda.is_available()}')"
   

torchcrepe の動作確認（Windows 上）

torchcrepe は前準備の手順で既にインストール済みである．ここでは動作確認を行う．

1. Windows で，コマンドプロンプトを実行する
2. エディタを起動する

   cd /d c:%HOMEPATH%
   notepad check_torchcrepe.py
   

3. エディタで，次のプログラムを保存する．torchcrepe に同梱されているテスト用音声ファイルを用いて，ピッチ推定が正常に動作するかを確認する．

   import torchcrepe
   
   # torchcrepe に同梱のテスト用音声ファイルを読み込む
   audio, sr = torchcrepe.load.audio('assets/test.wav')
   
   # 5 ミリ秒のホップ長を使用
   hop_length = int(sr / 200.)
   
   # 音声に適した周波数範囲（人の声の場合の例）
   fmin = 50
   fmax = 550
   
   # モデルの容量として "tiny" または "full" を選択
   model = 'tiny'
   
   # CPU で実行する場合
   device = 'cpu'
   
   pitch = torchcrepe.predict(audio, sr, hop_length, fmin, fmax, model,
                               batch_size=2048, device=device)
   
   print("pitch shape:", pitch.shape)
   print("pitch (Hz), first 10 frames:", pitch[0, :10])
   

4. Python プログラムの実行

   python check_torchcrepe.py
   

5. エラーメッセージが出ず，ピッチ（周波数）の値が表示されることを確認する．

CREPE のプログラム

プログラム１つめ

1. Windows で，コマンドプロンプトを実行する
2. エディタを起動する

   cd /d c:%HOMEPATH%
   notepad pycrepe.py
   

3. エディタで，次のプログラムを保存する

   【説明】

   このプログラムは，選択した音声ファイルをPyTorch 実装の torchcrepe ライブラリで解析し，ピッチ情報を抽出する．主な機能は次の通りである．

   1. ユーザーが音声ファイル（WAV形式）を選択できる．
   2. 音声ファイルを処理し，ピッチ情報（周波数，周期性）を抽出する．周期性（periodicity）は，TensorFlow 版 CREPE のアクティベーションに相当する信頼度の指標である．
   3. 抽出された情報を，指定された出力フォルダ内のテキストファイルに保存する．
   4. 周波数と周期性の平均と標準偏差を計算し，画面に表示する．
   5. 周波数のグラフを ASCII 文字で描画し，画面に表示する．

   【使用法】

   1. プログラムを実行すると，「音声ファイルを選択してください．複数選択できます．」というメッセージが表示される．このとき，複数のファイルを選択することもできる．
   2. 「出力フォルダを選択してください．」というメッセージが表示される．結果を保存する出力フォルダを選択できる．
   3. 進捗状況がプログレスバーで表示される．
   4. 音声ファイル名，出力ファイルのパス，サンプリングレート，音声の長さ（秒），周波数の平均と標準偏差，周期性の平均と標準偏差，周波数のグラフ（ASCII文字で描画）が表示される．
   5. 出力フォルダには，各音声ファイルの結果がテキストファイルで保存される．

   import os
   import tkinter as tk
   from tkinter import filedialog
   
   import torch
   import torchcrepe
   from scipy.io import wavfile
   from tqdm import tqdm
   
   # パラメータの設定
   CONFIG = {
       "hop_length_ms": 10,  # ピッチ推定のホップ長（ミリ秒）
       "fmin": 50,            # 推定する周波数の下限（Hz）
       "fmax": 550,           # 推定する周波数の上限（Hz）
       "model": "tiny",       # モデルの容量："tiny" または "full"
       "device": "cuda:0" if torch.cuda.is_available() else "cpu",
   }
   
   def select_files(file_type, file_extension):
       """ファイルを選択する関数"""
       try:
           if 'google.colab' in str(get_ipython()):
               from google.colab import files
               uploaded = files.upload()
               file_paths = list(uploaded.keys())
           else:
               root = tk.Tk()
               root.withdraw()
               file_paths = filedialog.askopenfilenames(filetypes=[(file_type, file_extension)])
       except NameError:
           root = tk.Tk()
           root.withdraw()
           file_paths = filedialog.askopenfilenames(filetypes=[(file_type, file_extension)])
       return file_paths
   
   def select_output_folder():
       """出力フォルダを選択する関数"""
       root = tk.Tk()
       root.withdraw()
       output_folder = filedialog.askdirectory(title="Select output folder")
       return output_folder
   
   def process_audio_file(audio_path, output_folder):
       """音声ファイルを処理する関数"""
       try:
           sr, audio = wavfile.read(audio_path)
           audio_tensor = torch.tensor(audio, dtype=torch.float32).unsqueeze(0)
           # 音声データを [-1, 1] の範囲に正規化
           audio_tensor = audio_tensor / audio_tensor.abs().max()
   
           hop_length = int(sr / (1000.0 / CONFIG["hop_length_ms"]))
           frequency, periodicity = torchcrepe.predict(
               audio_tensor, sr, hop_length,
               CONFIG["fmin"], CONFIG["fmax"], CONFIG["model"],
               batch_size=2048, device=CONFIG["device"],
               return_periodicity=True
           )
           frequency = frequency.squeeze(0).cpu().numpy()
           periodicity = periodicity.squeeze(0).cpu().numpy()
   
           audio_name = os.path.splitext(os.path.basename(audio_path))[0]
           output_file = os.path.join(output_folder, f"{audio_name}_result.txt")
   
           with open(output_file, "w") as file:
               file.write(f"Processing audio file: {audio_path}\n")
               file.write(f"Frequency: {frequency}\n")
               file.write(f"Periodicity: {periodicity}\n")
   
           audio_length = len(audio) / sr
           return audio_name, output_file, frequency, periodicity, sr, audio_length
   
       except Exception as e:
           print(f"Error processing audio file: {audio_path}")
           print(f"Error message: {str(e)}")
           return None, None, None, None, None, None
   def plot_line_graph(data, width=50, height=20, min_value=None, max_value=None):
       if min_value is None:
           min_value = data.min()
       if max_value is None:
           max_value = data.max()
   
       if max_value - min_value == 0:
           print("Cannot plot a graph with constant values.")
           return
   
       normalized_data = [(val - min_value) / (max_value - min_value) for val in data]
       graph = [" "] * (width * height)
   
       for i in range(len(normalized_data)):
           x = i * (width - 1) // (len(normalized_data) - 1)
           y = int((1 - normalized_data[i]) * (height - 1))
           graph[y * width + x] = "*"
   
       for y in range(height):
           print("".join(graph[y * width : (y + 1) * width]))
   
   def main():
       """メイン関数"""
       print('音声ファイルを選択してください。複数選択できます。')
       audio_paths = select_files("Audio Files", "*.wav")
   
       if not audio_paths:
           print("No audio files selected. Exiting.")
           return
   
       print('出力フォルダを選択してください。')
       output_folder = select_output_folder()
   
       if not output_folder:
           print("No output folder selected. Exiting.")
           return
   
       print("Processing audio files...")
       results = []
       for audio_path in tqdm(audio_paths, desc="Progress"):
           result = process_audio_file(audio_path, output_folder)
           results.append(result)
   
       print("Processing completed.")
       print("\nResults:")
       for audio_name, output_file, frequency, periodicity, sr, audio_length in results:
           if audio_name is not None:
               print(f"Audio file: {audio_name}")
               print(f"Output file: {output_file}")
               print(f"Sampling rate: {sr} Hz")
               print(f"Audio length: {audio_length:.2f} seconds")
               print(f"Frequency summary: Mean={frequency.mean():.2f}, Std={frequency.std():.2f}")
               print(f"Periodicity summary: Mean={periodicity.mean():.2f}, Std={periodicity.std():.2f}")
               print("Frequency graph:")
               plot_line_graph(frequency, width=50, height=20)
               print("---")
   
   if __name__ == "__main__":
       main()
   

4. Python プログラムの実行

   プログラムを pycrepe.py のようなファイル名で保存したので， 「python pycrepe.py」のようなコマンドで実行する．

   python pycrepe.py
   

5. ファイルダイアログが開くので，音声ファイルを選ぶ．

   このとき，音声ファイルを複数選ぶことができる．

6. 次に出力結果を保存するフォルダを選ぶ．
7. 結果の確認

プログラム２つめ

1. Windows で，コマンドプロンプトを実行する
2. エディタを起動する

   cd /d c:%HOMEPATH%
   notepad pycrepeplt.py
   

3. エディタで，次のプログラムを保存する

   【説明】

   このプログラムは，選択した音声ファイルをPyTorch 実装の torchcrepe ライブラリで解析し，ピッチ情報を抽出する．主な機能は次の通りである．

   1. ユーザーが音声ファイル（WAV形式）を選択できる．
   2. 音声ファイルを処理し，ピッチ情報（時間，周波数，周期性）を抽出する．周期性（periodicity）は，TensorFlow 版 CREPE のアクティベーションに相当する信頼度の指標である．
   3. 抽出された情報を，指定された出力フォルダ内のテキストファイルに保存する．
   4. 周波数と周期性の平均と標準偏差を計算し，画面に表示する．
   5. ピッチの散布図と周期性の折れ線グラフを生成し，出力フォルダに保存する．

   【使用法】

   1. プログラムを実行すると，「音声ファイルを選択してください．複数選択できます．」というメッセージが表示される．このとき，複数のファイルを選択することもできる．
   2. 「出力フォルダを選択してください．」というメッセージが表示される．結果を保存する出力フォルダを選択できる．
   3. 進捗状況がプログレスバーで表示される．
   4. 音声ファイル名，出力ファイルのパス，サンプリングレート，音声の長さ（秒），周波数の平均と標準偏差，周期性の平均と標準偏差が表示される．
   5. 出力フォルダには，各音声ファイルの結果がテキストファイルで保存される．
   6. 出力フォルダには，各音声ファイルのピッチの散布図と周期性の折れ線グラフが画像ファイルで保存される．

   import os
   import tkinter as tk
   from tkinter import filedialog
   
   import torch
   import torchcrepe
   import numpy as np
   import matplotlib.pyplot as plt
   from scipy.io import wavfile
   from tqdm import tqdm
   
   # パラメータの設定
   CONFIG = {
       "hop_length_ms": 10,  # ピッチ推定のホップ長（ミリ秒）
       "fmin": 50,            # 推定する周波数の下限（Hz）
       "fmax": 550,           # 推定する周波数の上限（Hz）
       "model": "tiny",       # モデルの容量："tiny" または "full"
       "device": "cuda:0" if torch.cuda.is_available() else "cpu",
   }
   
   def select_files(file_type, file_extension):
       """ファイルを選択する関数"""
       try:
           if 'google.colab' in str(get_ipython()):
               from google.colab import files
               uploaded = files.upload()
               file_paths = list(uploaded.keys())
           else:
               root = tk.Tk()
               root.withdraw()
               file_paths = filedialog.askopenfilenames(filetypes=[(file_type, file_extension)])
       except NameError:
           root = tk.Tk()
           root.withdraw()
           file_paths = filedialog.askopenfilenames(filetypes=[(file_type, file_extension)])
       return file_paths
   
   def select_output_folder():
       """出力フォルダを選択する関数"""
       root = tk.Tk()
       root.withdraw()
       output_folder = filedialog.askdirectory(title="Select output folder")
       return output_folder
   
   def process_audio_file(audio_path, output_folder):
       """音声ファイルを処理する関数"""
       try:
           sr, audio = wavfile.read(audio_path)
           audio_tensor = torch.tensor(audio, dtype=torch.float32).unsqueeze(0)
           audio_tensor = audio_tensor / audio_tensor.abs().max()
   
           hop_length = int(sr / (1000.0 / CONFIG["hop_length_ms"]))
           frequency, periodicity = torchcrepe.predict(
               audio_tensor, sr, hop_length,
               CONFIG["fmin"], CONFIG["fmax"], CONFIG["model"],
               batch_size=2048, device=CONFIG["device"],
               return_periodicity=True
           )
           frequency = frequency.squeeze(0).cpu().numpy()
           periodicity = periodicity.squeeze(0).cpu().numpy()
           time = np.arange(len(frequency)) * hop_length / sr
   
           audio_name = os.path.splitext(os.path.basename(audio_path))[0]
           output_file = os.path.join(output_folder, f"{audio_name}_result.txt")
   
           with open(output_file, "w") as file:
               file.write(f"Processing audio file: {audio_path}\n")
               file.write(f"Time: {time}\n")
               file.write(f"Frequency: {frequency}\n")
               file.write(f"Periodicity: {periodicity}\n")
   
           audio_length = len(audio) / sr
           return audio_name, output_file, time, frequency, periodicity, sr, audio_length
   
       except Exception as e:
           print(f"Error processing audio file: {audio_path}")
           print(f"Error message: {str(e)}")
           return None, None, None, None, None, None, None
   
   def visualize_pitch(time, frequency, output_folder, audio_name):
       """ピッチを散布図でビジュアライズする関数"""
       plt.figure(figsize=(10, 4))
       plt.scatter(time, frequency)
       plt.xlabel("Time (s)")
       plt.ylabel("Frequency (Hz)")
       plt.title(f"Pitch Estimation - {audio_name}")
       plt.grid(True)
       plt.tight_layout()
       plt.savefig(os.path.join(output_folder, f"{audio_name}_pitch.png"))
       plt.close()
   
   def visualize_periodicity(time, periodicity, output_folder, audio_name):
       """周期性を折れ線グラフでビジュアライズする関数"""
       plt.figure(figsize=(10, 4))
       plt.plot(time, periodicity)
       plt.xlabel("Time (s)")
       plt.ylabel("Periodicity")
       plt.title(f"Periodicity - {audio_name}")
       plt.grid(True)
       plt.tight_layout()
       plt.savefig(os.path.join(output_folder, f"{audio_name}_periodicity.png"))
       plt.close()
   
   def main():
       """メイン関数"""
       print('音声ファイルを選択してください。複数選択できます。')
       audio_paths = select_files("Audio Files", "*.wav")
   
       if not audio_paths:
           print("No audio files selected. Exiting.")
           return
   
       print('出力フォルダを選択してください。')
       output_folder = select_output_folder()
   
       if not output_folder:
           print("No output folder selected. Exiting.")
           return
   
       print("Processing audio files...")
       results = []
       for audio_path in tqdm(audio_paths, desc="Progress"):
           result = process_audio_file(audio_path, output_folder)
           results.append(result)
   
       print("Processing completed.")
       print("\nResults:")
       for audio_name, output_file, time, frequency, periodicity, sr, audio_length in results:
           if audio_name is not None:
               print(f"Audio file: {audio_name}")
               print(f"Output file: {output_file}")
               print(f"Sampling rate: {sr} Hz")
               print(f"Audio length: {audio_length:.2f} seconds")
               print(f"Frequency summary: Mean={frequency.mean():.2f}, Std={frequency.std():.2f}")
               print(f"Periodicity summary: Mean={periodicity.mean():.2f}, Std={periodicity.std():.2f}")
               visualize_pitch(time, frequency, output_folder, audio_name)
               visualize_periodicity(time, periodicity, output_folder, audio_name)
               print("---")
   
   if __name__ == "__main__":
       main()
   

4. Python プログラムの実行

   プログラムを pycrepeplt.py のようなファイル名で保存したので， 「python pycrepeplt.py」のようなコマンドで実行する．

   python pycrepeplt.py
   

5. ファイルダイアログが開くので，音声ファイルを選ぶ．

   このとき，音声ファイルを複数選ぶことができる．

6. 次に出力結果を保存するフォルダを選ぶ．
7. 結果の確認

   指定した「出力結果を保存するフォルダ」に png 形式の画像ファイルができるので確認．