librosa 互換性

libsonare の関数が Python の librosa ライブラリにどのように対応するかを説明します。

概要

libsonare は C++ と WebAssembly 環境向けに最適化しながら、librosa と同様の機能を提供することを目指しています。ほとんどのコア機能は同じアルゴリズムと互換性のあるデフォルトパラメータを使用しています。

機能比較

サポートされている機能

librosa	libsonare	備考
`librosa.load()`	`Audio::from_file()`	WAV, MP3 対応
`librosa.resample()`	`resample()`	r8brain 使用
`librosa.stft()`	`Spectrogram::compute()`	完全互換
`librosa.istft()`	`Spectrogram::to_audio()`	OLA 再構成
`librosa.feature.melspectrogram()`	`MelSpectrogram::compute()`	Slaney 正規化
`librosa.feature.mfcc()`	`MelSpectrogram::mfcc()`	DCT-II, リフタリング
`librosa.feature.chroma_stft()`	`Chroma::compute()`	STFT ベース
`librosa.onset.onset_strength()`	`compute_onset_strength()`	スペクトルフラックス
`librosa.beat.beat_track()`	`BeatAnalyzer`	DP ベース
`librosa.beat.tempo()`	`BpmAnalyzer`	テンポグラム
`librosa.effects.hpss()`	`hpss()`	メディアンフィルタリング
`librosa.effects.time_stretch()`	`time_stretch()`	フェーズボコーダー
`librosa.effects.pitch_shift()`	`pitch_shift()`	WSOLA 風

librosa にない機能

libsonare	説明
`KeyAnalyzer`	音楽キー検出（Krumhansl-Schmuckler）
`ChordAnalyzer`	コード認識（テンプレートマッチング）
`SectionAnalyzer`	楽曲構造解析
`TimbreAnalyzer`	音色特性
`DynamicsAnalyzer`	ラウドネスとダイナミクス
`RhythmAnalyzer`	拍子、グルーブ

関数マッピング

STFT

librosa:

python

S = librosa.stft(
    y,
    n_fft=2048,
    hop_length=512,
    win_length=None,
    window='hann',
    center=True
)

libsonare (C++):

cpp

sonare::StftConfig config;
config.n_fft = 2048;
config.hop_length = 512;
config.window = sonare::WindowType::Hann;
config.center = true;

auto spec = sonare::Spectrogram::compute(audio, config);

libsonare (JS):

typescript

const result = stft(samples, sampleRate, 2048, 512);

メルスペクトログラム

librosa:

python

mel = librosa.feature.melspectrogram(
    y=y, sr=sr,
    n_fft=2048, hop_length=512,
    n_mels=128, fmin=0.0, fmax=None,
    htk=False, norm='slaney'
)
mel_db = librosa.power_to_db(mel, ref=np.max)

libsonare:

typescript

const mel = melSpectrogram(samples, sampleRate, 2048, 512, 128);
// mel.power - パワースペクトラム
// mel.db - dB スケール

MFCC

librosa:

python

mfcc = librosa.feature.mfcc(
    y=y, sr=sr, n_mfcc=13,
    n_fft=2048, hop_length=512, n_mels=128
)

libsonare:

typescript

const result = mfcc(samples, sampleRate, 2048, 512, 128, 13);
// result.coefficients - [nMfcc x nFrames]

HPSS

librosa:

python

y_harm, y_perc = librosa.effects.hpss(y, kernel_size=31)

libsonare:

typescript

const result = hpss(samples, sampleRate, 31, 31);
// result.harmonic
// result.percussive

ビート追跡

librosa:

python

tempo, beats = librosa.beat.beat_track(y=y, sr=sr, start_bpm=120)
beat_times = librosa.frames_to_time(beats, sr=sr, hop_length=512)

libsonare:

typescript

const bpm = detectBpm(samples, sampleRate);
const beats = detectBeats(samples, sampleRate);  // すでに秒単位

デフォルトパラメータ

パラメータ	librosa	libsonare
`sr`	22050	ユーザー指定
`n_fft`	2048	2048
`hop_length`	512	512
`win_length`	n_fft	n_fft
`window`	'hann'	Hann
`center`	True	true
`n_mels`	128	128
`fmin`	0.0	0.0
`fmax`	sr/2	sr/2
`n_mfcc`	20	13
`n_chroma`	12	12

Mel スケール式

Slaney (librosa デフォルト、libsonare デフォルト)

f < 1000 Hz の場合:  mel = 3 * f / 200
f >= 1000 Hz の場合: mel = 15 + 27 * log10(f / 1000) / log10(6.4)

HTK

mel = 2595 * log10(1 + f / 700)

libsonare は両方を提供:

typescript

const melSlaney = hzToMel(hz);     // Slaney（デフォルト）
// HTK は C++ API で利用可能

許容誤差ガイドライン

機能	許容誤差	備考
STFT magnitude	< 1e-6	浮動小数点精度
メルスペクトログラム	< 1%	フィルターバンクの違い
MFCC	< 2%	DCT 正規化
クロマ	< 5%	ピッチマッピング
BPM	±2 BPM	アルゴリズムの違い
ビート時刻	±50ms	位相アライメント

既知の違い

1. リサンプリング

librosa: resampy を使用（Kaiser best）
libsonare: r8brain-free を使用（24ビット品質）

下流の機能への影響は最小限。

2. CQT

librosa: 完全な CQT 実装
libsonare: STFT ベースのクロマのみ

3. 窓の正規化

librosa: COLA 用に窓を正規化
libsonare: 生の窓値を使用

iSTFT での振幅差を補正するには normalize() を使用。

移行ガイド

Python から TypeScript へ

変更前 (Python):

python

import librosa

y, sr = librosa.load('audio.mp3', sr=22050)
tempo, beats = librosa.beat.beat_track(y=y, sr=sr)
print(f"BPM: {tempo}")

変更後 (TypeScript):

typescript

import { init, detectBpm, resample } from '@libraz/sonare';

await init();

// AudioContext からオーディオを取得
const samples = audioBuffer.getChannelData(0);

// オプションで 22050 にリサンプル
const resampled = resample(samples, audioBuffer.sampleRate, 22050);

const bpm = detectBpm(resampled, 22050);
console.log(`BPM: ${bpm}`);

Python から C++ へ

変更前 (Python):

python

import librosa

y, sr = librosa.load('audio.mp3')
chroma = librosa.feature.chroma_stft(y=y, sr=sr)

変更後 (C++):

cpp

#include <sonare/sonare.h>

auto audio = sonare::Audio::from_file("audio.mp3");
auto chroma = sonare::Chroma::compute(audio);
auto energy = chroma.mean_energy();

パフォーマンス比較

処理	librosa (Python)	libsonare (C++)	高速化
STFT (3分)	~500ms	~50ms	~10倍
メルスペクトログラム	~600ms	~60ms	~10倍
MFCC	~700ms	~70ms	~10倍
ビート追跡	~2秒	~200ms	~10倍
完全解析	~5秒	~500ms	~10倍

Intel Core i7、22050 Hz の 3 分間オーディオでベンチマーク

WebAssembly はネイティブ C++ より約 2-3 倍遅いですが、Python よりは高速です。

librosa 互換性 ​

概要 ​

機能比較 ​

サポートされている機能 ​

librosa にない機能 ​

関数マッピング ​

STFT ​

メルスペクトログラム ​

MFCC ​

HPSS ​

ビート追跡 ​

デフォルトパラメータ ​

Mel スケール式 ​

Slaney (librosa デフォルト、libsonare デフォルト) ​

HTK ​

許容誤差ガイドライン ​

既知の違い ​

1. リサンプリング ​

2. CQT ​

3. 窓の正規化 ​

移行ガイド ​

Python から TypeScript へ ​

Python から C++ へ ​

パフォーマンス比較 ​

librosa 互換性

概要

機能比較

サポートされている機能

librosa にない機能

関数マッピング

STFT

メルスペクトログラム

MFCC

HPSS

ビート追跡

デフォルトパラメータ

Mel スケール式

Slaney (librosa デフォルト、libsonare デフォルト)

HTK

許容誤差ガイドライン

既知の違い

1. リサンプリング

2. CQT

3. 窓の正規化

移行ガイド

Python から TypeScript へ

Python から C++ へ

パフォーマンス比較