MusicClassification - 音楽ジャンル分類 Webアプリケーション

MP3音楽ファイルをアップロードすると、機械学習を使用して音楽のジャンルを分析・分類するWebアプリケーションです。

特徴

• ドラッグ＆ドロップによる簡単なMP3ファイルアップロード
• 高精度な音楽ジャンル分析（rock, pop, jazz, classical, electronic, hip-hop, country, blues, reggae, metalなど）
• 波形の視覚的表示（アップロードした音楽のオーディオ波形をCanvas APIで表示）
• 詳細な音楽分析情報（テンポ、キー、エネルギー、ダンス性、アコースティック度など）
• 楽器構成の分析（ピアノ、ギター、ドラム、ベース、シンセサイザー、ボーカルなど）
• 音楽の総合的な説明文生成（ジャンルと音楽特性に基づく自然言語による説明）
• 分析結果の視覚的表示（ジャンルごとの信頼度スコア）
• 分析履歴の保存と表示機能
• レスポンシブデザインに対応

システム要件

フロントエンド

• HTML5, CSS3, JavaScript

バックエンド

• Node.js v14.0以上
• Python 3.8以上
• MongoDB

必須ライブラリ

• Node.js: Express, Multer, Mongoose, UUID, CORS
• Python: Librosa, NumPy, Scikit-learn, Joblib

インストール方法

1. リポジトリをクローン

git clone https://github.com/rkuros/MusicClassification.git
cd MusicClassification

2. 依存関係のインストール

npm run install-deps

3. MongoDBの起動

# MongoDBがローカルにインストールされている場合
mongod

使用方法

1. アプリケーションの起動

npm start

2. ブラウザでアクセス

http://localhost:3000

3. MP3ファイルをアップロード

   • ファイルをドラッグ＆ドロップするか、「ファイルを選択」ボタンをクリック

4. 分析結果の確認

   • アップロード後、自動的に分析が行われます
   • 分析結果は信頼度の高い順にジャンルが表示されます

プロジェクト構成

MusicClassification/
├── public/              # フロントエンドファイル
│   ├── index.html       # メインHTML
│   ├── styles.css       # スタイルシート
│   └── app.js           # フロントエンドJavaScript
├── server/              # バックエンドサーバー
│   ├── server.js        # Express サーバー
│   └── uploads/         # アップロードされたファイルの保存先
├── python/              # 音楽分析スクリプト
│   ├── genre_classifier.py  # ジャンル分類スクリプト
│   ├── requirements.txt     # Pythonの依存関係
│   ├── model.pkl            # 学習済みモデル（自動生成）
│   └── scaler.pkl           # 特徴量スケーラー（自動生成）
├── package.json         # プロジェクト情報とNode.js依存関係
└── README.md            # このファイル

技術詳細

• フロントエンド:

  • HTML5のドラッグ＆ドロップAPIとFetch APIを使用したシンプルなUI
  • Canvas APIを使った音楽波形の視覚的表示
  • グリッドレイアウトを活用した詳細分析情報の表示
  • レスポンシブデザインによるモバイル対応

• バックエンド:

  • Express.jsによるRESTful API
  • 標準出力バッファリングによるPythonスクリプト実行結果の安定した処理
  • 非同期処理による長時間の分析タスク管理

• データベース:

  • MongoDBによる分析結果の永続化
  • 拡張スキーマによる波形データ、詳細分析情報、説明文の格納

• 音楽分析:

  • Librosaライブラリによる高度な音楽特徴量抽出
    • MFCC（メル周波数ケプストラム係数）による音色特性分析
    • スペクトル特性（重心、帯域幅、ロールオフ等）の算出
    • テンポ、リズム解析、キー推定
    • ゼロ交差率、RMSエネルギー計算
  • 波形データのダウンサンプリングと視覚化処理
  • 楽器構成の検出アルゴリズム
    • スペクトル特性に基づく楽器タイプの推定
    • ハーモニック・パーカッシブ分離による楽器検出
  • 自然言語による音楽説明文の自動生成
  • Scikit-learnの機械学習モデル（RandomForest）によるジャンル分類
  • NumPy 2.0互換性対応

• データ処理:

  • 大規模データ（波形等）のJSON変換処理の最適化
  • NumPy配列データを標準Pythonデータ型に変換するヘルパー関数
  • バッファリングによる分割データの安全な結合処理

ライセンス

MIT