Proyecto Audio Fourier

Procesamiento de audio en Python aplicando un filtro pasa bajas a archivos WAV usando la transformada de Fourier (DFT/FFT).

🌐 App en línea: Filtro de Fourier - Procesamiento de Audio

Descripción del proyecto

El proceso de filtrado realiza lo siguiente:

1. Carga un archivo WAV.
2. Convierte el audio a una señal de punto flotante.
3. Calcula la transformada de Fourier (DFT/FFT) de la señal.
4. Aplica un filtro pasa bajas conservando solo las componentes de frecuencia por debajo de un valor de corte.
5. Calcula la transformada inversa (IDFT/IFFT) para reconstruir el audio filtrado.
6. Normaliza y guarda el audio resultante en formato WAV.

🎵 yupiter/ — Notebook de procesamiento

Esta es la pieza central del proyecto: yupiter/audio_processing_notebook.ipynb, un notebook de Jupyter que implementa y explica paso a paso el filtro pasa bajas por Transformada Discreta de Fourier (DFT), incluyendo gráficas del espectro antes/después y reproducción del audio resultante.

Contenido de la carpeta

• audio_processing_notebook.ipynb — Notebook principal con todo el desarrollo.
• processed/ — Carpeta de entrada: aquí se colocan los WAV que se quieren procesar. Incluye un audio de ejemplo (648112__deleted_user_12449013__vocals_animal1_key-fmin_bpm124_jennaevans.wav).
• resultado_template.txt — Plantilla HTML usada dentro del notebook para mostrar visualmente las métricas del resultado (archivo de entrada/salida, frecuencia de muestreo, duración, energía original y filtrada).

Estructura del notebook

• Celda 1 — Definición de funciones:
  • lowpass_filter(data, fs, cutoff_freq=4000): recibe la señal cruda y devuelve la señal filtrada junto con los datos intermedios del espectro. Internamente: normaliza → fft() → aplica máscara con fftfreq → ifft() → desnormaliza.
  • Función de graficado para visualizar el espectro y la señal original vs. filtrada.
  • Función de procesamiento completo del archivo WAV.
• Celda 2 — Ejecución y resultados:
  1. Detecta automáticamente el WAV más reciente en processed/.
  2. Aplica el filtro con la frecuencia de corte elegida.
  3. Calcula la reducción de energía como porcentaje.
  4. Genera las gráficas y muestra el panel de métricas (usando resultado_template.txt).
  5. Reproduce el audio filtrado con el widget IPython.display.Audio.

Cómo usarlo

1. Colócate en la carpeta del notebook:

   cd yupiter

2. Asegúrate de tener instaladas las dependencias necesarias:

   pip install numpy scipy matplotlib jupyter

3. Coloca el archivo .wav que quieras procesar dentro de processed/ (ya viene uno de ejemplo).

4. Abre el notebook:

   jupyter notebook audio_processing_notebook.ipynb

5. Ejecuta las celdas en orden. El resultado filtrado se guarda automáticamente como uploads/filtered_<nombre>.wav dentro de yupiter/.

Notas técnicas

• Si el audio es estéreo, el notebook toma solo el canal izquierdo para simplificar el procesamiento. Para procesar ambos canales sería necesario llamar a lowpass_filter dos veces.
• El archivo de entrada debe ser un WAV legible por scipy.io.wavfile.

Recomendaciones generales

• Usa archivos WAV mono o estéreo; si son estéreo, solo se procesa el primer canal.
• El filtro pasa bajas elimina las frecuencias por encima del valor de corte seleccionado.
• Para audio de gran duración, el proceso puede tardar más.

Ejemplo de prueba

1. Colocar un archivo ejemplo.wav en yupiter/processed/.
2. Ajustar cutoff_freq a 4000 Hz.
3. Generar y obtener audio_filtrado.wav.