企业官网建设流程全解析

Kumone（雲の音）是一款原生 macOS 网易云音乐客户端，其AutoMix 自动混音功能要实现 DJ 级别的无缝对拍过渡，前提是先把每首歌的节拍算准。本文带你拆解它如何用纯 vDSP 节拍跟踪完成BPM 估计与Downbeat 追踪：零第三方依赖，一首 4 分钟的歌只需 1–2 秒，BPM 误差 ±2 以内，拍点相位误差中位数小于 70ms。

一、为什么节拍分析是 AutoMix 的地基

AutoMix 的过渡分三档：两首歌 BPM 相近且节拍可信时做beatMatched 变速对拍混音；不适合时退化为普通交叉淡出；再不行就无缝硬切（gapless）。第一档能否启用，完全取决于分析器给出的两个数字：

• bpm+bpmConfidence（置信度 0–1，阈值 0.6）
• downbeats（小节起点的时刻列表）

门控逻辑写在 TransitionPlanner.swift 里：双方置信度 ≥ 0.6、折算 BPM 差 ≤ 8%，才允许对拍。切点落在副歌半句上，再华丽的混音技法也救不回来——节拍网格错一拍，所有候选切点全错一拍。

二、整体流水线：单趟 STFT 喂饱全部特征

分析入口在 TrackAnalyzer.swift，文件头部的注释就开宗明义：Beat/energy analysis, pure vDSP/Accelerate. No third-party code.。选纯自研不是炫技——常见的 aubio、BTrack 都是 GPL 协议，与本项目 LGPL-3.0-only 不兼容（见 automix-spec.md §1）。

流水线一句话概括：

解码为 22.05 kHz 单声道 → STFT（窗 1024 / hop 256，Hann 窗）→ 40 维 log-mel 谱 →spectral flux onset 包络→ 自相关 + 先验估BPM→ 动态规划逐拍跟踪 → 低频投票定Downbeat

注意"单趟"：BPM、拍点、调性、人声活跃度、结构分段（见 StructureSegmenter.swift）全部复用同一份 STFT 特征，不重复扫音频。

三、BPM 估计：自相关 + 对数正态先验

代码见estimateTempo（约 TrackAnalyzer.swift#L780-L839），四步走：

1. Onset 包络：对 log-mel 谱做半波整流一阶差分再跨频带求和——"谱里突然多出来的能量"，鼓点、拍手、和弦进入都会在这里冒尖。
2. 归一化自相关：对去均值的 onset 包络求r(lag)/r(0)，lag 范围对应 50–200 BPM。
3. 对数正态先验加权：以 120 BPM 为中心（σ=0.9 个八度）的高斯先验乘到自相关曲线上，天然压制 60/180 BPM 这类"半拍/双拍"幻影峰。
4. 抛物线插值 + 置信度：峰顶做亚采样点插值拿到小数 lag；置信度 = 峰值锐度（峰 vs 邻域均值）× 周期性强度，两头都不突出就自动低置信。

拿到 BPM 后还有一步"回头精修"：拍点跟踪完成后，用整段网格的总跨度反算 BPM（60 × (拍数-1) / 总时长），与自相关结果相差 5% 以内就以网格值为准——全局跨度对逐拍抖动远比局部自相关稳健。

四、Beat 跟踪：Ellis 2007 风格的动态规划

BPM 只给了"节奏的周期"，还需要把每一拍"钉"在正确的时间上。trackBeats（约 TrackAnalyzer.swift#L845-L901）是经典的 Ellis 2007 目标函数：

• 激励项：onset 包络值（按标准差归一化）——拍点尽量落在能量突变处；
• 张力项：相邻拍间隔与期望周期的对数偏差平方 × 紧度系数 100——间隔偏离一个 beat 就重罚。

逐帧前向累积最优得分并记录回链，最后从尾部最高分帧回溯，得到全曲拍点序列。整个过程是 O(n × 窗口) 的一维 DP，vDSP 加速后毫秒级完成。

五、Downbeat 追踪：4/4 假设下的低频投票

"第几拍是小节第一拍"？estimateDownbeats（约 TrackAnalyzer.swift#L907-L946）的做法很朴素也很有效：

1. 对每个拍点打分 = 该拍邻域内<200Hz 低频能量（kick/bass 最集中的频段）+ onset 强度的归一化之和；
2. 假设 4/4 拍，把全部拍点按序号分成 4 个相位组，各取平均分；
3. 平均得分最高的相位组整体胜出，组内拍点即 downbeats。

低频投票的关键是"整组一致性"而非单拍最强——某一拍再炸，也不如"每 4 拍都有低音"的规律可信。

六、验证：用合成 kick 音做回归测试

怎么证明算法靠谱？TrackAnalyzerTests.swift 不依赖真实歌库，而是合成纯 kick 鼓音轨（100 / 120 / 128 BPM，含 44.1 kHz 重采样路径），然后断言：

这与 automix-spec.md M3 里程碑的验收标准一致。对无鼓点、自由节拍的曲目，算法会给出低bpmConfidence，过渡计划自动走退化链，保证听感底线。

七、小结：一张网格撑起整个 AutoMix

全程只用了 Apple 自家的 Accelerate/vDSP，零新增依赖，结果持久化到AnalysisStore每曲只算一次。下一篇文章，我们将看看这张节拍网格如何被 TransitionPlanner 用来挑选"副歌唱完那一刻"作为交接点——那才是真正的 AutoMix 高光时刻。