Byla vydána nová verze 19 integrovaného vývojového prostředí (IDE) Qt Creator. Podrobný přehled novinek v changelogu.
Bitwig Studio (Wikipedie) bylo vydáno ve verzi 6. Jedná se o proprietární multiplatformní (macOS, Windows, Linux) digitální pracovní stanici pro práci s audiem (DAW).
Společnost Igalia představila novou linuxovou distribuci (framework) s názvem Moonforge. Jedná se o distribuci určenou pro vestavěné systémy. Vychází z projektů Yocto a OpenEmbedded.
Google Chrome 146 byl prohlášen za stabilní. Nejnovější stabilní verze 146.0.7680.71 přináší řadu novinek z hlediska uživatelů i vývojářů. Podrobný přehled v poznámkách k vydání. Opraveno bylo 29 bezpečnostních chyb. Vylepšeny byly také nástroje pro vývojáře.
D7VK byl vydán ve verzi 1.5. Jedná se o fork DXVK implementující překlad volání Direct3D 3 (novinka), 5, 6 a 7 na Vulkan. DXVK zvládá Direct3D 8, 9, 10 a 11.
Bylo vydáno Eclipse IDE 2026-03 aneb Eclipse 4.39. Představení novinek tohoto integrovaného vývojového prostředí také na YouTube.
Ze systému Slavia pojišťovny uniklo přibližně 150 gigabajtů citlivých dat. Jedná se například o pojistné dokumenty, lékařské záznamy nebo přímou komunikaci s klienty. Za únik může chyba dodavatelské společnosti.
Sněmovna propustila do dalšího kola projednávání vládní návrh zákona o digitální ekonomice, který má přinést bezpečnější on-line prostředí. Reaguje na evropské nařízení DSA o digitálních službách a upravuje třeba pravidla pro on-line tržiště nebo sociální sítě a má i víc chránit děti.
Meta převezme sociální síť pro umělou inteligenci (AI) Moltbook. Tvůrci Moltbooku – Matt Schlicht a Ben Parr – se díky dohodě stanou součástí Meta Superintelligence Labs (MSL). Meta MSL založila s cílem sjednotit své aktivity na poli AI a vyvinout takovou umělou inteligenci, která překoná lidské schopnosti v mnoha oblastech. Fungovat by měla ne jako centralizovaný nástroj, ale jako osobní asistent pro každého uživatele.
Byla vydána betaverze Fedora Linuxu 44 (ChangeSet), tj. poslední zastávka před vydáním finální verze, která je naplánována na úterý 14. dubna.
-0.06 C +0.13 C +0.05 D -0.00 E -0.08 E -0.18 F +0.03 G -0.10 G -0.08 A -0.11 H -0.11 CJsem opravdu silně rozladěn
Btw. nějak mi uniká, jak funguje ten algoritmus. Teda ne že bych si nedokázal vyvodit, co se tam děje, ale není mi tak úplně jasné, jaktože to dělá to, co tvrdíš, že to dělá.
No jestli to číslo x.yz jsou centy zobrazené s přesností na setiny, tak to není taková katastrofaBohužel to tak není, deset centů skutečně pro mně není žádná míra![]()
Btw. nějak mi uniká, jak funguje ten algoritmus. Teda ne že bych si nedokázal vyvodit, co se tam děje, ale není mi tak úplně jasné, jaktože to dělá to, co tvrdíš, že to dělá.Vycházím z toho, že kteroukoli frekvenci ve spektru můžu vynásobit dvěma a pořád se jedná o stejný tón. Takže vezmu nějakou frekvenci (třeba číslo 1) a přičtu k frekvenci číslo 2. Pak frekvenci číslo 2 přičtu ke čtvrté. Pak třetí k šesté. Pak čtvrtou k osmé. A tak dále až přestěhuju celé spektrum pouze do jedné oktávy, do horní poloviny spektra. No a tam se ty tóny lépe hledají – aspoň mi to tak přijde. Původně jsem chtěl nějak vyhledávat všechny vyšší harmonické, ale je to zrádné, protože už trojnásobek dává úplně jiný tón (v temperovaném ladění trochu falešný).
-0.02 A +0.01 A +0.01 Acož je doufám rozumné. Jenže, mám tam chybu! Bajty a vzorky nejsou totéž. Jak na potvoru se to ale nikde neprojevilo. Ale spravím to, i když to na funkci nebude mít vliv. Krát dva to mělo bejt!
), tak mi to vychází na A + 0.03
Mám tady starší záznamy strun na kytaře, zkusil jsem to s G strunou a vyšlo G-0.2.
Pro porovnání jsem zkusil ještě hledání prvního maxima autokorelace, to vyšlo G-0.31 (tomu bych moc nevěřil), a pak nějaký algoritmus detekce sinusovky, co jsem vyhrabal na disku, to vyšlo G-0.21...
Takže se zdá, že ten algoritmus funguje (omlouvám se, že jsem pochyboval
) a vzhledem k tomu, že to počítá počítač, tak ani moc nevadí to FFT na 65k vzorcích...
(Btw. ty odchylky jsou tam proto, že ta kytara nebyla naladěná, když jsem to nahrával)
. Ale pro přirozené ladění by ty hodnoty byly podstatně větší
.
program Ladicka;
Uses Crt;
var Ton : char;
begin
repeat
Write('Zadej ton (E,H,G,D,A,6,K) : ');
ReadLn(Ton);
Ton := UpCase(Ton);
Case Ton of
'E' : Sound(330);
'H' : Sound(247);
'G' : Sound(196);
'D' : Sound(147);
'A' : Sound(110);
'6' : Sound( 82);
Else
NoSound;
End; {of Case}
until (Ton = 'K');
NoSound;
end.
Ono to pak, pravda, podle toho vypadá, to nemůžu popřít
Každopádně pro hraní není potřeba ani hudební, ani absolutní sluch - stačí interpretovat noty nebo jiné značky, nebo opakovat jistý - předem daný - postup.
"Hudební sluch" je schopnost sluchem identifikovat přehrávané noty, což se dokazuje tak, že osoba s hudebním sluchem je schopna noty buď zapsat,...Řekl bych, že jsi opomněl rozpoznání toho, jestli něco ladí nebo ne v celé hudbě, například rozpoznat, že nějaký nástroj není správně naladěný (jsou lidi, kteří poznají, že basa v rockové muzice je o deset centů pod tónem, jsou lidi - např. já - kteří většinou nejsou schopni určit, co ta basa hraje
)
gentlespring% python ladicka.py
Traceback (most recent call last):
File "ladicka.py", line 40, in ?
i_tone = int(x_tone + 0.5)
OverflowError: cannot convert float infinity to long
record_and_analyze vrací 0. V chuncích jsou samé nuly. Capture mám zapnuté na všech zařízeních, kde to šlo.
arecord -c 1 -r 48000 -f S16_LE -t wav > nahravka.wav || aplay nahravka.wavSpusť to, něco namluv a dej ctrl+c. Mělo to zopakovat, co jsi řekl.
-0.12 B -0.12 BNejtlustčí struna, E:
-0.12 B +0.33 F +0.33 F +0.48 F +0.48 F +0.48 F +0.33 F +0.33 F +0.33 FDalší, A
+0.23 F# +0.09 A +0.21 A +0.09 A +0.09 A +0.09 A +0.09 A +0.23 F# +0.09 ADalší, d
+0.23 F# -0.31 A -0.31 A -0.31 A -0.31 A -0.25 A -0.31 ADlaší, g
-0.12 B +0.03 G +0.09 G +0.09 G +0.09 G +0.09 G +0.09 G +0.09 GDalší, b
-0.12 B +0.04 H +0.25 H +0.09 H +0.25 H +0.09 H +0.09 HDalší, e
+0.09 H -0.38 F# -0.45 F# -0.38 F# -0.45 F# -0.38 F# -0.45 F# -0.45 F#Znova, E
-0.12 B +0.33 F +0.33 F +0.48 F -0.38 F# +0.30 HTakže test nedopadl moc dobře. Nemám teď moc čas se ladičkou zabývat, ale je to velmi zajímavé téma a někdy se na ni podívám a pohraju si s ní. Možná by jsi mohl ladičku testovat nahrávkama strun, kterých je an internetu habaděj. Já podle nich ladím kytaru. Hledej vp795 na http://freesound.iua.upf.edu/ BTW, zohledňuješ tam nějak temperované ladění? Myslím, že ne, co?
Krom toho to ukazuje nějaké blbosti, které netuším co znamenají (přebuzení? šum?)
Každopádně dík za test.
Jasně, celé to pracuje s temperovaným laděním, kde se frekvence vypočítají takto:
#!/usr/bin/python
tones = ['C', 'C#', 'D', 'D#', 'E', 'F', 'F#', 'G', 'G#', 'A', 'B', 'H']
for i in xrange(-20, 37):
print '%2s %10.2f Hz' %(tones[i%12], 440*2**((i-9)/12.0))
while len(bytes) < N:
l, chunk = inp.read()
bytes.append(chunk)
bytes = bytes[:N]
data = fromstring(''.join(bytes), int16)
Je to víc strightforvard a o mnoho víc paměti si to neukousne. Jestli je to rychlejší samozřejmě nevim. Proč vůbec nepoužít všechny data, co jsme dostali a proč je ořezávat?
>>> from scipy import *
>>> a = arange(2**17)
>>> fft(a) # tohle je hned hotové
array([ 8.58986906e+09 +0.00000000e+00j,
-6.55360000e+04 +2.73426110e+09j,
-6.55360000e+04 +1.36713055e+09j, ...,
-6.55360000e+04 -9.11420366e+08j,
-6.55360000e+04 -1.36713055e+09j, -6.55360000e+04 -2.73426110e+09j])
>>> a = arange(2**17-1)
>>> fft(a) # ... a tady výpočet trvá celou věčnost
Odřezávání dat anebo naopak doplňování nulami je celkem běžný trik, pokud jde o rychlost fft.
tlustej_jack(female) -> tenkej_jack(male)?
Ale třeba to půjde nějak bez drátů, milý Marconi
Ty mi uděláš bezdrátovou kytaru? To by bylo super! :)Vysílačky se taky nechají koupit... např.: http://www.muzikus.cz/pro-muzikanty-testy/Samson-Airline-aneb-volny-pohyb-zarucen~07~brezen~2003/
Tiskni
Sdílej: