AudioLazy é um projeto open source que fornece ferramentas de processamento digital de sinal (DSP) expressivas e em tempo real para Python. Ele permite análise, síntese e processamento de áudio com código Python de forma concisa e facilita a prototipagem de aplicações de áudio interativas e em tempo real.
(2013-05-20) [DevInSampa] AudioLazy - DSP expressivo e em tempo real para o P...Danilo J. S. Bellini
Slides da apresentação no DevInSampa 2013 (18 de maio), com algumas complementações e correções. Esses mesmos slides foram utilizados na apresentação feita no fisl 2014 (2013-07-05).
(2013-10-03) [PythonBrasil] AudioLazy, processamento de sinais para música, j...Danilo J. S. Bellini
Slides da palestra realizada no Centro de Convenções Ulysses Guimarães (Brasília - DF) durante o PythonBrasil[9]. Segue abaixo a descrição da palestra:
A AudioLazy é uma biblioteca (pacote) em Python para processamento digital de sinais (DSP) permitindo análise, síntese e processamento de sinais unidimensionais (áudio) em tempo real através de estruturas expressivas tais como transformadas Z (engenharia elétrica, teoria de controle), processamento tardio descrito como fluxo de informação, objetos (e.g. filtros, sinais, etc.), sobrecarga de operadores (somar sinais, multiplicar sinal por um ganho constante, etc.), etc.. A palestra introduzirá parte das funcionalidades do pacote através de exemplos práticos prontos (síntese FM, síntese subtrativa, áudio para games, afinador de instrumentos musicais, etc.), incluindo exemplos de tarefas secundárias possíveis com o pacote (e.g. cálculo numérico, geração de imagens).
Slides da palestra apresentada na LatinoWare 2013. Segue abaixo a descrição da palestra:
Como funciona um afinador de guitarra? E efeitos de uma pedaleira digital (e.g. distorção, wah, flanger, compressor)? Um teclado sintetizador? Essas e outras aplicações para a área de processamento de sinais na atualidade fazem parte desta palestra, com explicações e exemplos práticos preparados. A apresentação serve de introdução à área de processamento de sinais, enfatizando suas aplicações em áudio e utilizando para isso apenas Software Livre, incluindo o PyAudio para gravação e reprodução de áudio, a AudioLazy para síntese e processamento de sinais, o MatPlotLib para exibição de gráficos, o NumPy para FFT e auxílio no processamento em bloco com vetores, e o SciPy para análise e projeto de filtros (subpacotes de otimização e processamento de sinais).
Grafos e Algoritimos - Dr. Julio Cesar de Araujo MenezesJulio Menezes
Exercício resolvidos durante o Curso de Grafos e Algoritmos (como aluno de Engenharia da Computação) do Departamento de Computação da Universidade Federal de Sergipe.
Various Manifolds are necessary during the maintenance of the instruments like Pressure Gauges - Switches & Transmitters, DP Gauges - Switches and Transmitters.
We have various types of Three Valve Manifolds in SS 316, CS, Monel 400 and Hestelloy C material.
Type of Three Valve Manifolds are R type, T type and H type.
Mounting Bracket also can be provided for the manifolds.
(2013-05-20) [DevInSampa] AudioLazy - DSP expressivo e em tempo real para o P...Danilo J. S. Bellini
Slides da apresentação no DevInSampa 2013 (18 de maio), com algumas complementações e correções. Esses mesmos slides foram utilizados na apresentação feita no fisl 2014 (2013-07-05).
(2013-10-03) [PythonBrasil] AudioLazy, processamento de sinais para música, j...Danilo J. S. Bellini
Slides da palestra realizada no Centro de Convenções Ulysses Guimarães (Brasília - DF) durante o PythonBrasil[9]. Segue abaixo a descrição da palestra:
A AudioLazy é uma biblioteca (pacote) em Python para processamento digital de sinais (DSP) permitindo análise, síntese e processamento de sinais unidimensionais (áudio) em tempo real através de estruturas expressivas tais como transformadas Z (engenharia elétrica, teoria de controle), processamento tardio descrito como fluxo de informação, objetos (e.g. filtros, sinais, etc.), sobrecarga de operadores (somar sinais, multiplicar sinal por um ganho constante, etc.), etc.. A palestra introduzirá parte das funcionalidades do pacote através de exemplos práticos prontos (síntese FM, síntese subtrativa, áudio para games, afinador de instrumentos musicais, etc.), incluindo exemplos de tarefas secundárias possíveis com o pacote (e.g. cálculo numérico, geração de imagens).
Slides da palestra apresentada na LatinoWare 2013. Segue abaixo a descrição da palestra:
Como funciona um afinador de guitarra? E efeitos de uma pedaleira digital (e.g. distorção, wah, flanger, compressor)? Um teclado sintetizador? Essas e outras aplicações para a área de processamento de sinais na atualidade fazem parte desta palestra, com explicações e exemplos práticos preparados. A apresentação serve de introdução à área de processamento de sinais, enfatizando suas aplicações em áudio e utilizando para isso apenas Software Livre, incluindo o PyAudio para gravação e reprodução de áudio, a AudioLazy para síntese e processamento de sinais, o MatPlotLib para exibição de gráficos, o NumPy para FFT e auxílio no processamento em bloco com vetores, e o SciPy para análise e projeto de filtros (subpacotes de otimização e processamento de sinais).
Grafos e Algoritimos - Dr. Julio Cesar de Araujo MenezesJulio Menezes
Exercício resolvidos durante o Curso de Grafos e Algoritmos (como aluno de Engenharia da Computação) do Departamento de Computação da Universidade Federal de Sergipe.
Various Manifolds are necessary during the maintenance of the instruments like Pressure Gauges - Switches & Transmitters, DP Gauges - Switches and Transmitters.
We have various types of Three Valve Manifolds in SS 316, CS, Monel 400 and Hestelloy C material.
Type of Three Valve Manifolds are R type, T type and H type.
Mounting Bracket also can be provided for the manifolds.
Se você não usa geradores, está deixando de aproveitar um recurso poderoso de Python. Partimos do pattern Iterator e mostramos seus usos práticos e suporte nativo na linguagem, incluindo funções e expressões geradoras, que permitem lidar com massas de dados muito grandes de modo eficiente e com baixo consumo de memória. Ao final, mostramos o uso prático de funções geradoras em uma ferramenta de conversão de bancos de dados.
V2 - Microcontroladores: a revolucao do arduinoSamir Siqueira
Palestra dada na Semana da Computacao da Universidade Plinio Leite. detalhes em :
http://blog.arduinrio.cc/2010/10/03/palestra-hardware-livre-na-semana-de-computacao-da-universidade-plinio-leite-niteroi/
Se você não usa geradores, está deixando de aproveitar um recurso poderoso de Python. Partimos do pattern Iterator e mostramos seus usos práticos e suporte nativo na linguagem, incluindo funções e expressões geradoras, que permitem lidar com massas de dados muito grandes de modo eficiente e com baixo consumo de memória. Ao final, mostramos o uso prático de funções geradoras em uma ferramenta de conversão de bancos de dados.
V2 - Microcontroladores: a revolucao do arduinoSamir Siqueira
Palestra dada na Semana da Computacao da Universidade Plinio Leite. detalhes em :
http://blog.arduinrio.cc/2010/10/03/palestra-hardware-livre-na-semana-de-computacao-da-universidade-plinio-leite-niteroi/
Slides da apresentação realizada no fisl14 no dia 2013-07-04 acerca da escrita de código Python único para funcionamento em ambos o Python 2.x e 3.x, enfatizando as versões 2.6, 2.7, 3.2 e 3.3 principalmente.
Slides da palestra "Segurança da Informação - Um apanhado geral sobre criptografia, acesso e vulnerabilidades, incluindo exemplos práticos em Python e Shell" realizada durante a Semana de informática da ETEC Uirapuru, em São Paulo-SP.
O código fonte dos slides (LaTeX, Beamer) pode ser obtido em: https://github.com/danilobellini/slides-latex
(2018-08-25) [Flask Conf] Introdução ao Sanic - O Flask AssíncronoDanilo J. S. Bellini
Slides da palestra "Introdução ao Sanic - O Flask Assíncrono" realizada durante o primeiro Flask Conf, no Developer Hub, em São Paulo-SP.
O código fonte dos slides (LaTeX, Beamer) pode ser obtido em: https://github.com/danilobellini/slides-latex
Segue abaixo a descrição original do conteúdo da palestra:
Sanic é um servidor web assíncrono para o Python com uma sintaxe baseada no Flask, escrito para ser rápido. A proposta é falar do Sanic, realizando comparações entre os frameworks (semelhanças, diferenças, vantagens e desvantagens) aonde cabível.
Tópicos (aproximadamente 10 minutos para cada tópico):
- Do "Hello world" a um serviço com muito JSON! Abordarei rotas, métodos, o módulo response e como iniciar o serviço.
- Listeners, middlewares, tratamento de erros e muito async!
- Exemplo com comunicação assíncrona com o banco de dados (PostgreSQL + SQLAlchemy Core + asyncpgsa) e envolvendo a utilização de recurso bloqueante.
- Websockets, blueprints e extensões.
Nível de dificuldade: voltado para um público que já saiba o básico de Flask e HTTP (métodos/verbos, headers da requisição, código de status de resposta, etc.). O público não precisa saber previamente o que significa "assíncrono".
OS SLIDES ATUALIZADOS ESTÃO NO GITHUB, AQUI NÃO DÁ PARA ATUALIZAR!
Slides da palestra "Números no Python!" realizada durante o primeiro Just Python, na Creditas, em São Paulo-SP.
O código fonte dos slides (LaTeX, Beamer) pode ser obtido em: https://github.com/danilobellini/slides-latex
Segue abaixo a descrição do conteúdo da palestra:
Inteiro? Ponto flutuante? Decimal? Racional! Fracionário? i ou j ... Complexo?! Logaritmo? Mediana?! Variância!!! Pera lá, cê jura que não precisa do Numpy?
O objetivo é falar sobre o que o Python traz que tem a ver com... números!
Isso inclui os seguintes módulos da biblioteca padrão do Python:
- numbers
- math
- cmath
- decimal
- fractions
- random
- statistics
- array
- struct
Além dos built-ins int, float, complex, round, range, divmod e abs, da conversão de números de/para strings, e dos recursos para conversão de objetos em números.
Slides da palestra "AudioLazy no GruPy! (+LV2)" realizada durante o encontro da comunidade Python de São Paulo, na Locaweb, no dia 2017-08-12.
Essa palestra é uma versão extendida da palestra "AudioLazy em 2017!" realizada durante o TDC em julho de 2017.
Segue abaixo a descrição da palestra.
Palestra sobre a AudioLazy, biblioteca Python capaz de processar, sintetizar e analisar sinais iterativamente, em especial sinais de áudio.
Como novidade com relação ao apresentado em eventos anteriores, a proposta é mostrar que é possível criar plugins LV2 (em C) utilizando a AudioLazy (via Python C API).
https://github.com/danilobellini/audiolazy
https://github.com/danilobellini/lz-plugins-lv2
Slides da palestra "Audiolazy em 2017!" realizada durante o TDC 2017 em São Paulo - SP, na Universidade Anhembi Morumbi da Vila Olímpia, no dia 2017-07-22.
A palestra foi realizada em dois momentos, primeiramente durante a trilha Python do evento, e, em seguida, de maneira resumida, como parte da finalização do evento (33:49 do vídeo https://www.eventials.com/Globalcode/tdc-sp-2017-stadium-sabado-11/?playlist=tdconline-sao-paulo-2017-stadium do encerramento na trilha Stadium). Segue abaixo a descrição da palestra.
Um resumo do que é a AudioLazy, biblioteca Python para processamento de sinais capaz de processar, sintetizar e analisar áudio em tempo real.
Esta mini-palestra visa expor os recursos oferecidos pela AudioLazy, com uma ênfase nos resultados possíveis e nos exemplos disponibilizados com o próprio código da biblioteca.
https://github.com/danilobellini/audiolazy
(2017-05-27) [Grupy-SP] Polígonos, pontos e outras geometrias no Shapely (GIS)Danilo J. S. Bellini
Slides da palestra "Polígonos, pontos e outras geometrias no Shapely (GIS)" realizada no encontro do Grupy-SP no Centro de Treinamento da Novatec em São Paulo no dia 2017-05-27.
IPython Notebook (código criado durante a palestra):
https://github.com/danilobellini/notebooks/blob/master/2017-05-27_Shapely.ipynb
Conteúdo abordado (descrição da palestra):
- Breve introdução aos sistemas GIS (Sistema de Informação Geográfica)
- Dados no formato vetorial e os padrões da OGC (Open Geospatial Consortium)
- WKT, WKB e GeoJSON
- Biblioteca Shapely (Python)
- Operações com vetores
- Hands on!
O objetivo dessa palestra é mostrar como lidar com diferentes geometrias (Polygon, MultiPolygon, etc.) com dados em WGS84 (EPSG:4326) interagindo com arquivos GeoJSON (com uma FeatureCollection, uma Feature ou apenas uma geometria).
Slides da palestra "Plugin pytest-doctest-custom v1.0.0" realizada no encontro do Grupy-SP na SciELO em São Paulo no dia 2016-08-13. Ementa da palestra em: https://gist.github.com/danilobellini/b76a36c4fcc946ecb1d6cb92987f30d3
Background feito usando o AudioLazy Python DSP.
(2015-03-14) [Grupy-SP] Projetos Open Source, como colaborar?Danilo J. S. Bellini
Slides da palestra "Projetos Open Source, como colaborar?" realizada no encontro do Grupy-SP no Centro de Treinamento da Novatec em São Paulo no dia 2015-03-14 (pi!). Conteúdo abordado (descrição da palestra):
Discussão sobre possibilidades de colaboração em projetos Open Source, enfatizando projetos que utilizem o Python como linguagem de programação. Temas incluem sites (e.g. GitHub, PyPI); comunicação social; habilidades/técnicas/softwares de comum envolvimento (e.g. TDD, CI, git). Trata-se de um "getting started" p/ aqueles que desejam colaborar em um projeto Open Source, ou mesmo criar algo novo.
(2015-01-29/30) [WTA2015] Adaptatividade em Python (Tutorial)Danilo J. S. Bellini
Slides do tutorial "Adaptatividade em Python" ministrado no Workshop de Tecnologia Adaptativa de 2015 (WTA2015) na Escola Politécnica da Universidade de São Paulo (Poli-USP) nos dias 2015-01-29 e 2015-01-30.
Código disponível em https://github.com/danilobellini/wta2015
Minicurso/tutorial sobre o py.test e o tox apresentado no Hotel Armação, Porto de Galinhas - Pernambuco, no dia 2014-11-05, durante a PythonBrasil[10].
Descrição do tutorial:
## Tipo
Tutorial
## Trilha
Tools & methodology
## Nível da audiência
Intermediário
## Idioma
Português
## Título
Testando com py.test e tox
## Descrição
Tutorial para o aprendizado sobre o uso prático do pacote py.test para realização de testes de diversos tipos. Tópicos:
- Comportamento básico para coleta e execução de testes;
- Testando exceções;
- Testes parametrizados e seus usos com oráculos, testes aleatórios;
- Cobertura de código com pytest-cov;
- Testando apenas uma parte de uma suíte;
- Integrando com doctests;
- Criando fixtures personalizadas;
- Mock/stub/fake/dummy com a fixture monkeypatch;
- Testando warnings;
- Usando tox para automatizar testes em múltiplos ambientes (e.g. Python 2 e 3);
- Configurações (avançadas) para tempo de coleta e tempo de setup;
- Usando skip, xfail e deseleção para testes que irão falhar;
- Testes envolvendo arquivos temporários;
O tutorial inclui uma breve discussão sobre o que pode ser testado, além de exemplos sobre comparação de ponto flutuante, aproximações e manutenção de resultados para testes que envolvam cálculo numérico ou dados científicos/multimídia.
É necessário levar o computador com o Python instalado (2.7 ou 3.4, preferencialmente ambos), e com o pip (ou algo equivalente) disponível para instalação de pacotes. Pode-se instalar previamente os pacotes pytest, pytest-cov e tox.
O tutorial é voltado para quem já sabe programar em Python. Embora não seja fundamental, é de grande ajuda ter o conhecimento prévio sobre assuntos como gerenciadores de contexto, exceções, decorators, orientação a objetos e arquivos setup.py.
A meta deste tutorial é a utilização/realização prática de testes, sem enfatizar tópicos de "engenharia de software" referentes à importância/relevância da utilização de testes, ou mesmo quanto às suas classificações.
Palestra sobre a AudioLazy apresentada na UFLA (Universidade Federal de Lavras), Minas Gerais, no dia 2014-10-27, durante a SETI (Semana de Tecnologia da Informação).
http://seti.compjunior.com.br/
Descrição da palestra:
Distorcendo áudio em tempo real com uma ou poucas linhas de de código! A palestra incluirá exemplos prontos e enfatizará os novos recursos da AudioLazy 0.6, com demonstrações ao vivo. Muito conteúdo de análise, síntese e processamento de áudio, além de psicoacústica, imagens, entre outros.
Palestra sobre a AudioLazy no TDC 2014 (the developer's conference) que ocorreu na Universidade Anhembi Morumbi no dia 2014-08-09.
Site do evento: www.thedevelopersconference.com.br/tdc/2014/
Descrição da palestra:
Trata-se de uma exposição prática sobre o que é/faz um DSP (Digital Signal Processing), utilizando recursos da AudioLazy. Os tópicos incluem:
- Processamento: amostra-por-amostra e em blocos, STFT, filtros lineares variantes no tempo, processamento não linear "memoryless", distorção, flanger.
- Análise de áudio: Altura/nota musical, espectro (DFT/FFT/STFT), formantes, LPC, taxa de cruzamento no zero.
- Síntese: Aditiva, modulação (AM/Ring, FM), subtrativa.
- Psicoacústica: filtros gammatone, volume sonoro / loudness em phon e dB SPL (ISO/FDIS 226:2003 e Fletcher-Munson), modelo helicoidal de Shepard.
- Imagem: resposta em frequência, diagrama de polos e zeros, imagens artísticas com DSP de áudio.
- Outros: conversão de valores (nome de nota - altura MIDI - frequência), arquivos WAV e I/O de áudio via PyAudio (PortAudio com ALSA e Jack), cálculo numérico, aspectos gerais da biblioteca, interatividade e uso em jogos.
(2014-05-24) [Taubaté Perl Mongers] AudioLazy Python DSP (Digital Signal Proc...Danilo J. S. Bellini
Palestra sobre a AudioLazy na Taubaté Perl Mongers 2014 (encontro de programadores Perl), que ocorreu na Universidade de Taubaté no dia 2014-05-24.
Site do evento: http://perl.taubate.me/
Descrição da palestra:
Análise/síntese/processamento de sinais 1D (áudio) em tempo real através de estruturas expressivas como transformadas Z, fluxo de informação, filtros/sinais como objetos c/ operadores, etc.. A palestra introduzirá parte da AudioLazy através de exemplos prontos (e.g. síntese p/ games, afinador de guitarra), incluindo outras tarefas possíveis c/ o pacote (e.g. cálculo numérico, geração de imagens).
(2013-11-29) [RuPy] AudioLazy Python DSP (Digital Signal Processing)Danilo J. S. Bellini
Slides da palestra apresentada no RuPy 2013, com pequenas correções. Segue abaixo a descrição da palestra:
Análise/síntese/processamento de sinais 1D (áudio) em tempo real através de estruturas expressivas como transformadas Z, fluxo de informação, filtros/sinais como objetos c/ operadores, etc.. A palestra introduzirá parte da AudioLazy através de exemplos prontos (e.g. síntese p/ games, afinador de guitarra), incluindo outras tarefas possíveis c/ o pacote (e.g. cálculo numérico, geração de imagens).
(2013-09-30) [PythonBrasil] Síntese em tempo real com a AudioLazyDanilo J. S. Bellini
Slides do treinamento de 8 horas realizado na ESAF (Escola Fazendária, Brasília - DF) durante o PythonBrasil[9]. Segue abaixo a descrição do treinamento:
A AudioLazy é um pacote escrito em puro Python que permite DSP (Digital Signal Processing) expressivo e em tempo real.
Além dos fundamentos teóricos e uma explicação do funcionamento básico do pacote, serão vistos tanto na teoria como na prática diversos modelos de síntese:
- AM
- FM
- Aditiva
- Subtrativa
Outros elementos de processamento do áudio serão vistos, tais como a utilização de filtros LTI e diferentes maneiras de distorcer o som sintetizado.
Um dos desafios será a elaboração de um software que permita interatividade durante a síntese.
Aqueles que forem participar com seu próprio computador, recomenda-se o uso de fones de ouvido.
O pacote PyAudio é um requisito para a utilização dos componentes de I/O da AudioLazy. É recomendado que os pacotes já estejam instalados previamente.
Slides da palestra apresentada na LatinoWare 2013. Segue abaixo o texto da proposta original realizada para o evento:
Mostra-se exemplos do que se pode conseguir com plug-ins de Python para o GIMP - e um roteiro de como criar seu próprio script Python para automatizar várias tarefas.
No mundo de edição de imagens é comum termos várias tarefas repetitivas - as vezes é necessário abrir centenas de imagens para executar um único filtro, em cada uma - Ou, partindo de um elemento de texto em uma imagem, aplicar mais de uma dezena de efeitos no texto até chegar no resultado desejado - e a cada mudança no texto, ter que repetir todo o processo.
Para esses e outros problemas, os aplicativos gráficos - e o GIMP não é exceção, possuem métodos de se fazer scripts - pequenos programas - em uma linguagem de programação que permita a automação desses passos.
Esta palestra mostra como fazer isso com a linguagem Python - que também é uma linguagem de automação usada pelo Inkscape, Blender 3D, Scribus e Libreoffice, dentre outros aplicativos.
(2013-10-02) [PythonBrasil] Compatibilidade entre Python 2 e 3Danilo J. S. Bellini
Apresentação realizada durante a PythonBrasil[9]. Segue abaixo a descrição da palestra:
Mudanças na especificação da linguagem fizeram o Python 3 incompatível com parte do código escrito para o Python 2.
Algumas dessas incompatibilidades podem ser facilmente resolvidas através de traduções, sejam elas automáticas ou não.
Porém, muitas dessas traduções trazem consigo uma incompatibilidade com a versão de origem do código (o Python 2, neste caso), o que nem sempre é desejável.
É possível manter um único código compatível com o ambos o Python 2 e 3?
Esta atividade se propõe a responder essa pergunta, e enfatizará os problemas e soluções que levaram à elaboração do módulo lazy_compat da AudioLazy (e.g. metaclasses, arredondamento de ponto flutuante).
(2013-10-02) [PythonBrasil] Compatibilidade entre Python 2 e 3
(2013-05-03) AudioLazy - Slides
1. AudioLazy
DSP (DSP (Digital Signal ProcessingDigital Signal Processing) expressivo e) expressivo e
em tempo real para o Pythonem tempo real para o Python
Projeto open source (GPLv3)Projeto open source (GPLv3)
http://pypi.python.org/pypi/audiolazyhttp://pypi.python.org/pypi/audiolazy
Copyright (C) 2012-2013Copyright (C) 2012-2013
Danilo de Jesus da Silva BelliniDanilo de Jesus da Silva Bellini
danilo [dot] bellini [at] gmail [dot] comdanilo [dot] bellini [at] gmail [dot] com
3. AudioLazy
● DSP (Digital Signal Processing) para áudio
– Análise
● MIR (Music Information Retrieval)
– Síntese
– Processamento
● Expressividade de código
– Facilita prototipação, simulação
● Tempo real (latência de 35ms é possível)
– Possibilita uso em aplicações finais
● 100% Python
– Multiplataforma
4. Justificativa
● Demanda e insatisfação com código existente
– Sustainable Software for Audio and Music Research
● ISMIR 2012 (Tutorial)
● DAFx 2012 (Tutorial)
– Software Carpentry
● Ausência de código fonte disponível
– Algoritmo de Klapuri (2008)
● Base para trabalhos futuros
5. Linguagem
Critério MatLab Octave PureData Python NumPy
Amostras Sim Sim Depende Sim Sim
Blocos Possível Possível Sim Possível Possível
Álgebra linear Sim Sim Depende Possível Sim
DSP Sim Sim Sim Possível Sim
Tempo real Não Não Sim Possível Não
Heterogeneidade Não Não Não Sim Possível
Avaliação tardia Não Não Depende Sim Não
Funções de ordem
superior
Não Não Não Sim Não
Orientação a objetos Possível Possível Não Sim Sim
Linguagem de uso
geral
Não Não Não Sim Sim
Documentação Sim Sim Sim Sim Sim
Licença Proprietária GNU GPL
BSD
Modificada
PSFL BSD
Preço US$99.00 Gratuito Gratuito Gratuito Gratuito
Código fonte (Fechado) C++ C C, Python
C, Fortran,
Python
6. Outras linguagens
● CAS (Computer
Algebra System)
– Wolfram Mathematica
– SymPy
● C, C++, Java
– Estáticas
– Imperativo
– S/ ênfase em ser
expressivo
● DSL (Domain Specific
Language)
– FAUST
– CSound
– SuperCollider
– ChunK
● Pacotes
– YAAFE
– MARLib
8. Testes com oráculos
● 80 c/ o scipy.signal.lfilter
● 64 c/ o subpacote de otimização do SciPy
● 2 c/ o NumPy
import pytest
p = pytest.mark.parametrize
from scipy.signal import lfilter
from audiolazy import ZFilter, almost_eq
class TestZFilterScipy(object):
@p("a", [[1.], [3.], [1., 3.], [15., -17.2], [-18., 9.8, 0., 14.3]])
@p("b", [[1.], [-1.], [1., 0., -1.], [1., 3.]])
@p("data", [range(5), range(5, 0, -1), [7, 22, -5], [8., 3., 15.]])
def test_lfilter(self, a, b, data):
filt = ZFilter(b, a) # Cria um filtro com a AudioLazy
expected = lfilter(b, a, data).tolist() # Aplica o filtro com o SciPy
assert almost_eq(filt(data), expected) # Compara os resultados
import pytest
p = pytest.mark.parametrize
from scipy.signal import lfilter
from audiolazy import ZFilter, almost_eq
class TestZFilterScipy(object):
@p("a", [[1.], [3.], [1., 3.], [15., -17.2], [-18., 9.8, 0., 14.3]])
@p("b", [[1.], [-1.], [1., 0., -1.], [1., 3.]])
@p("data", [range(5), range(5, 0, -1), [7, 22, -5], [8., 3., 15.]])
def test_lfilter(self, a, b, data):
filt = ZFilter(b, a) # Cria um filtro com a AudioLazy
expected = lfilter(b, a, data).tolist() # Aplica o filtro com o SciPy
assert almost_eq(filt(data), expected) # Compara os resultados
9. Comparação de números em ponto
flutuante (IEEE 754)
● Valor absoluto (limiar “l”)
● Comparação pelo número de bits de mantissa (“t”
bits de tolerância para “s” bits de mantissa)
● Implementado na audiolazy.lazy_misc
– almost_eq_diff
– almost_eq
∣a−b∣≤l
∣a−b∣≤2(t − s−1)∣a+b∣
10. Parte 2
Síntese e processamento em tempo realSíntese e processamento em tempo real
11. “Hello world” em áudio
● Tocar uma senóide
– Console interativo
– Script
from audiolazy import *
rate = 44100
s, Hz = sHz(rate)
th = AudioIO().play(sinusoid(440 * Hz), rate=rate)
from audiolazy import *
rate = 44100
s, Hz = sHz(rate)
th = AudioIO().play(sinusoid(440 * Hz), rate=rate)
from audiolazy import *
rate = 44100
s, Hz = sHz(rate)
with AudioIO(True) as player:
player.play(sinusoid(440 * Hz), rate=rate)
from audiolazy import *
rate = 44100
s, Hz = sHz(rate)
with AudioIO(True) as player:
player.play(sinusoid(440 * Hz), rate=rate)
Multithread!
12. Síntese
● Aditiva
– Senóide (sinusoid)
– Table-lookup
● Senóide (sin_table)
● Dente de serra
(saw_table)
● AM
– Modulação em amplitude
– Modulação em anel
● FM
– Exemplo em wxPython
● Subtrativa
– Karplus-Strong
● Examplo com os corais
de J. S. Bach (Music21)
● Personalizada
– Construtor da classe
Stream
– Decorador tostream
14. Armazenamento: Estratégias para
avaliação de expressões
● Antecipada (eager)
– Chamada por valor (call by value)
– Avaliação ocorre antes da chamada
● Tardia (lazy)
– Chamada por nome (call by name)
● Reavaliação a cada chamada
– Chamada por necessidade (call by need)
● Memoize / Cache
● Há quem considere essa a única forma de avaliação
“preguiçosa” (lazy)
15. Avaliação tardia
● Evita cálculos desnecessários
● Estruturas de tamanho indefinido
– Potencialmente infinitas (e.g. contador)
● Fluxo de controle como abstração
In [1]: def gerador_123():
...: val = 1
...: while True:
...: yield val
...: val = val + 1 if val < 3 else 1
...:
In [2]: gerador_123
Out[2]: <function __main__.gerador_123>
In [3]: gerador_123()
Out[3]: <generator object gerador_123 at 0x...>
In [1]: def gerador_123():
...: val = 1
...: while True:
...: yield val
...: val = val + 1 if val < 3 else 1
...:
In [2]: gerador_123
Out[2]: <function __main__.gerador_123>
In [3]: gerador_123()
Out[3]: <generator object gerador_123 at 0x...>
In [4]: sinal = gerador_123()
In [5]: sinal.next()
Out[5]: 1
In [6]: sinal.next()
Out[6]: 2
In [7]: sinal.next()
Out[7]: 3
In [8]: sinal.next()
Out[8]: 1
In [4]: sinal = gerador_123()
In [5]: sinal.next()
Out[5]: 1
In [6]: sinal.next()
Out[6]: 2
In [7]: sinal.next()
Out[7]: 3
In [8]: sinal.next()
Out[8]: 1
Desempenho!
16. Para áudio, o que precisamos?
● Sequência de símbolos
– Símbolos são números, normalmente
● Tempo real
– Dados (elementos da sequência) inexistentes em
tempo de compilação
– Duração indefinida
– Não é necessário computar tudo para começar a
apresentar o resultado
Avaliação tardia!
17. Classe Stream
● Representa fluxo de informação (áudio)
● Iterável heterogêneo com operadores (baseado no
NumPy) e avaliação tardia
● Ausência de índices
– Limite de representação inteira (32 bits estouraria em
27:03:12)
In [1]: from audiolazy import Stream
In [2]: dados = Stream(5, 7, 1, 2, 5, 3, 2) # Periódico
In [3]: dados2 = Stream(0, 1) # Idem
In [4]: (dados + dados2).take(15)
Out[4]: [5, 8, 1, 3, 5, 4, 2, 6, 7, 2, 2, 6, 3, 3, 5]
In [1]: from audiolazy import Stream
In [2]: dados = Stream(5, 7, 1, 2, 5, 3, 2) # Periódico
In [3]: dados2 = Stream(0, 1) # Idem
In [4]: (dados + dados2).take(15)
Out[4]: [5, 8, 1, 3, 5, 4, 2, 6, 7, 2, 2, 6, 3, 3, 5]
18. Classe Stream
● Métodos, atributos e propriedades são aplicados
elemento a elemento
– Exceto “take”, “blocks” e outros da própria classe
Stream
● Finito ou de finalização indeterminada
In [5]: Stream([2, 3, 4]).take(5) # Lista de entrada
Out[5]: [2, 3, 4]
In [6]: Stream(2, 3, 4).take(5) # Números de entrada
Out[6]: [2, 3, 4, 2, 3]
In [7]: Stream(*[2, 3, 4]).take(5) # Lista com "*"
Out[7]: [2, 3, 4, 2, 3]
In [8]: (2 * Stream([1 + 2j, -3j, 7]).real).take(inf)
Out[8]: [2.0, 0.0, 14]
In [5]: Stream([2, 3, 4]).take(5) # Lista de entrada
Out[5]: [2, 3, 4]
In [6]: Stream(2, 3, 4).take(5) # Números de entrada
Out[6]: [2, 3, 4, 2, 3]
In [7]: Stream(*[2, 3, 4]).take(5) # Lista com "*"
Out[7]: [2, 3, 4, 2, 3]
In [8]: (2 * Stream([1 + 2j, -3j, 7]).real).take(inf)
Out[8]: [2.0, 0.0, 14]
19. Decorador tostream:
Geradores convertidos em Stream
● Função = Decorador(Função)
In [1]: from audiolazy import tostream
In [2]: @tostream
...: def impulse():
...: yield 1
...: while True:
...: yield 0
...:
In [3]: impulse # De fato, uma função
Out[3]: <function __main__.impulse>
In [4]: impulse() # Devolve um objeto Stream
Out[4]: <audiolazy.lazy_stream.Stream at 0x30824d0>
In [5]: impulse().take(5)
Out[5]: [1, 0, 0, 0, 0]
In [6]: (impulse() + 1).take(5) # Outro objeto instanciado
Out[6]: [2, 1, 1, 1, 1]
In [1]: from audiolazy import tostream
In [2]: @tostream
...: def impulse():
...: yield 1
...: while True:
...: yield 0
...:
In [3]: impulse # De fato, uma função
Out[3]: <function __main__.impulse>
In [4]: impulse() # Devolve um objeto Stream
Out[4]: <audiolazy.lazy_stream.Stream at 0x30824d0>
In [5]: impulse().take(5)
Out[5]: [1, 0, 0, 0, 0]
In [6]: (impulse() + 1).take(5) # Outro objeto instanciado
Out[6]: [2, 1, 1, 1, 1]
20. Processamento em bloco
● Stream.blocks(size, hop)
– Qualquer salto (hop) positivo
– Se mudar a saída, a mudança persistirá na próxima
saída quando hop < size
● Saídas são a mesma fila circular implementada como
collections.deque
In [1]: data = Stream([1, 2, 3])
In [2]: blks = data.blocks(size=2, hop=1)
In [3]: [list(blk) for blk in blks]
Out[3]: [[1, 2], [2, 3]]
In [1]: data = Stream([1, 2, 3])
In [2]: blks = data.blocks(size=2, hop=1)
In [3]: [list(blk) for blk in blks]
Out[3]: [[1, 2], [2, 3]]
23. Filtros LTI
(Lineares e invariantes no tempo)
““Digital signal processing is mainlyDigital signal processing is mainly
based on linear time-invariantbased on linear time-invariant
systems.systems.””
(Dutilleux, Dempwolf, Holters e Zölzer(Dutilleux, Dempwolf, Holters e Zölzer
DAFx, segunda edição, capítulo 4, p. 103)DAFx, segunda edição, capítulo 4, p. 103)
32. Ainda sobre frequência fundamental e
periodicidade ...
● SDF (Square Difference Function)
● ACF (Autocorrelação)
– Inverso à AMDF e SDF (aqui queremos o maior valor)
● MPM (McLeod e Wyvill)
– Utilizar ACF para “normalizar” SDF
DFT ?!?
45. AbstractOperatorOverloaderMeta
● Metaclasse
– Classe cujas instâncias são classes
● Abstrata
– Classe com recursos especificados porém sem
implementação
● Sobrecarga massiva de operadores:
– Binários
– Binários reversos
– Unários
46. Objeto window
Um dicionário de estratégias
In [1]: from audiolazy import window
In [2]: window # Vejamos as estratégias disponíveis
Out[2]:
{('bartlett',): <function audiolazy.lazy_analysis.bartlett>,
('blackman',): <function audiolazy.lazy_analysis.blackman>,
('hamming',): <function audiolazy.lazy_analysis.hamming>,
('hann', 'hanning'): <function audiolazy.lazy_analysis.hann>,
('rectangular', 'rect'): <function audiolazy.lazy_analysis.rectangular>,
('triangular', 'triangle'): <function audiolazy.lazy_analysis.triangular>}
In [3]: window["rect"](3) # Obtém a estratégia, chamando com 1 argumento
Out[3]: [1.0, 1.0, 1.0]
In [4]: window.triangle(3) # Idem, mas feito com outra sintaxe (dicionário)
Out[4]: [0.5, 1.0, 0.5]
In [5]: hm_wnd = window.hamming # Referenciando fora do dicionário
In [6]: hm_wnd # Esta estratégia é uma função comum
Out[6]: <function audiolazy.lazy_analysis.hamming>
In [1]: from audiolazy import window
In [2]: window # Vejamos as estratégias disponíveis
Out[2]:
{('bartlett',): <function audiolazy.lazy_analysis.bartlett>,
('blackman',): <function audiolazy.lazy_analysis.blackman>,
('hamming',): <function audiolazy.lazy_analysis.hamming>,
('hann', 'hanning'): <function audiolazy.lazy_analysis.hann>,
('rectangular', 'rect'): <function audiolazy.lazy_analysis.rectangular>,
('triangular', 'triangle'): <function audiolazy.lazy_analysis.triangular>}
In [3]: window["rect"](3) # Obtém a estratégia, chamando com 1 argumento
Out[3]: [1.0, 1.0, 1.0]
In [4]: window.triangle(3) # Idem, mas feito com outra sintaxe (dicionário)
Out[4]: [0.5, 1.0, 0.5]
In [5]: hm_wnd = window.hamming # Referenciando fora do dicionário
In [6]: hm_wnd # Esta estratégia é uma função comum
Out[6]: <function audiolazy.lazy_analysis.hamming>
47. Polinômios
● Necessário para os filtros lineares
● Baseados em dicionário
– Memória
– Expoente negativo (Laurent)
– Expoente fracionário (soma de potências)
● Coeficientes podem ser objetos Stream, símbolos
do SymPy, etc.
48. Filtros
● Implementação direta I
– Evita multiplicação por 1
– Não cria os termos com coeficiente nulo
– Ainda ineficiente quando longo (e.g. FIR, comb)
● JIT (Just in Time)
– Cada filtro é criado e compilado em tempo de
execução
– Permite filtros variantes no tempo gerais e eficientes
50. Módulos
Nome Descrição
lazy_analysis Análise de áudio
lazy_auditory Modelagem do aparato auditivo humano periférico
lazy_core Núcleo com as três classes de fundamentação do pacote
lazy_filters Filtros
lazy_io Gravação e reprodução de áudio (via PyAudio), multi-thread
lazy_itertools Conteúdo da itertools “decorado” ou adaptado para objetos Stream
lazy_lpc Codificação linear preditiva (LPC)
lazy_math Funções matemáticas para uso em iteráveis com manutenção de tipo
lazy_midi Representação MIDI e relações entre nota e frequência (altura)
lazy_misc Diversas ferramentas de uso geral e constantes
lazy_poly Polinômios
lazy_stream Definição da classe Stream e derivadas
lazy_synth Pequeno sintetizador
51. Classes
Nome Bases (herança) Módulo Descrição
AudioIO object lazy_io Reprodutor/gravador de áudio
AudioThread threading.Thread lazy_io Thread representando objetos sendo reproduzidos
LinearFilterProperties object lazy_filters Mixin com conversores de propriedades de filtros lineares
LinearFilter LinearFilterProperties lazy_filters Filtro linear
ZFilter LinearFilter lazy_filters Filtro linear representado por equações em Z
FilterList list, LinearFilterProperties lazy_filters Lista de filtros
CascadeFilter FilterList lazy_filters Filtros em cascata
ParallelFilter FilterList lazy_filters Filtros em paralelo
Poly object lazy_poly Polinômios, polinômios de Laurent, soma de potências
TableLookup object lazy_synth Sintetizador por consulta à tabela
MultiKeyDict dict lazy_core Dicionário multi-chave
StrategyDict MultiKeyDict lazy_core Dicionário de estratégias
StrategyDictInstance StrategyDict lazy_core Uma classe para cada dicionário de estratégias
Stream collections.Iterable lazy_stream Iterável com operadores elemento a elemento e avaliação tardia
ControlStream Stream lazy_stream Stream que devolve um valor controlável, permitindo
interatividade
Streamix Stream lazy_stream Misturador (mixer) de objetos Stream baseado na temporização
do MIDI
StreamTeeHub Stream lazy_stream Gerenciador de cópias de Stream
MemoryLeakWarning Warning lazy_stream Número de usos de um StreamTeeHub menor que o especificado
ParCorError ZeroDivisionError lazy_lpc Erro ao tentar obter coeficientes PARCOR
52. Diagrama de classes
(Relações internas)
● Classes “centrais”
– AbstractOperatorOverloaderMeta
– Stream
● StrategyDict possui instâncias
– Diagrama omite informações importantes
53. Dicionários de estratégias presentes
na AudioLazy
Nome Estratégias Módulo Descrição
window 6 lazy_analysis Funções de janelamento ou
apodização
envelope 3 lazy_analysis Filtros de obtenção de envoltória
dinâmica
maverage 3 lazy_analysis Criador de filtros de média móvel
erb 2 lazy_auditory Largura de banda equivalente
retangular (ERB)
gammatone 3 lazy_auditory Filtros gammatone
comb 3 lazy_filters Filtros comb
resonator 4 lazy_filters Ressonadores
lowpass 2 lazy_filters Passa-baixas
highpass 1 lazy_filters Passa-altas
lpc 5 lazy_lpc Codificação linear preditiva (LPC)
54. Documentação
● Docstrings: documentação no código
– Uso em ambientes interativos
– reStructuredText
– Organização em seções
● Spyder
● Sphinx
– Conversão automática do sistema de seções para o formato do
Sphinx
– Muitos formatos: LaTeX (PDF, DVI, PS), ePUB, HTML, TexInfo, etc.
● Apresentação, instruções de instalação e exemplos básicos
– Integração com MatPlotLib, Music21, wxPython, Tkinter, etc.
55. Exemplos de implementação de partes
da AudioLazy
def levinson_durbin(acdata, order):
def inner(a, b):
return sum(acdata[abs(i-j)] * ai * bj
for i, ai in enumerate(a.numlist)
for j, bj in enumerate(b.numlist)
)
A = ZFilter(1)
for m in range(1, order + 1):
B = A(1 / z) * z ** -m
A -= inner(A, z ** -m) / inner(B, B) * B
return A
def levinson_durbin(acdata, order):
def inner(a, b):
return sum(acdata[abs(i-j)] * ai * bj
for i, ai in enumerate(a.numlist)
for j, bj in enumerate(b.numlist)
)
A = ZFilter(1)
for m in range(1, order + 1):
B = A(1 / z) * z ** -m
A -= inner(A, z ** -m) / inner(B, B) * B
return A