پرش به محتوای اصلی
داریان تک
CS-06پردازش سیگنال

اندازه‌گیری صدا،
به‌جای قضاوت سلیقه‌ای.

ارزیابی صدای هنرجو معمولاً بر پایهٔ گوش مربی است — که تجربه‌اش ارزشمند است ولی عدد نمی‌دهد. این پروژه سعی کرد بخشی از آن قضاوت را به سنجهٔ قابل اندازه‌گیری تبدیل کند.

۰۱مسئله

چه چیزی باید حل می‌شد

پیشرفت هنرجو در طول ماه‌ها قابل حس است ولی قابل نشان دادن نیست. بدون عدد، نه هنرجو می‌بیند کجا بهتر شده، نه مربی می‌تواند تمرین را هدفمند کند.

۰۲رویکرد

تصمیم‌های فنی و دلیلشان

هر بند اینجا یک تصمیم است که می‌شد جور دیگری گرفته شود. اگر تیم فنی دارید، همین‌ها را زیر سؤال ببرید.

  • استخراج فرکانس پایه در طول زمان برای سنجش دقت زیر و بمی
  • اندازه‌گیری پایداری نُت: نوسان صدا روی یک نُت کشیده چقدر است
  • تعیین گسترهٔ صدا از پایین‌ترین تا بالاترین نُت قابل اجرا
  • ذخیرهٔ تاریخچه تا پیشرفت در طول زمان قابل مقایسه باشد
  • نمایش نمودار به زبان قابل فهم هنرجو، نه خروجی خام مهندسی
۰۳دموی تعاملی

خودتان امتحان کنید

این دمو با دادهٔ نمونه کار می‌کند و به سیستم واقعی وصل نیست. برای درک رفتار سامانه ساخته شده، نه برای نمایش.

۰۴مشخصات فنی

با چه چیزی ساخته شده

پردازش سیگنال
Python · NumPy · librosa
تحلیل فرکانس
FFT · Pitch Tracking
سرویس
FastAPI
ذخیره‌سازی
PostgreSQL
رابط کاربری
Next.js · Web Audio API

ظرفیت و اعداد عملکردی به منابع سروری بستگی دارد که پروژه رویش مستقر می‌شود. عدد قطعی پس از تست بار روی همان سرور اندازه‌گیری و در قرارداد ثبت می‌شود.

قدم بعدی

مسئلهٔ مشابهی دارید؟

اگر چیزی از این صفحه به کار شما می‌خورد، یک جلسهٔ کوتاه کافی است تا بگوییم برای مورد شما چه چیزی منطقی است — و چه چیزی نیست.