用 VLC 的波形当尺子，把八小节动机对齐到同一脉冲

上周重装系统，顺手把动机库里的 60 多条手机录音整理了一遍。都是自己哼的，音量忽大忽小，有的在厨房录的，有的在阳台，底噪能听出风声。问题不在音质，在节奏：想并排听几个版本，没法判断哪条是真快了、哪条是我哼的时候拖了。

做法比较笨。先在 VLC 里开「音频 → 可视化 → 波形」，播放时波形是跟着走的，暂停在重拍上，看左下角的时间码，记下来。一个动机只有八小节，我只需要头尾两个点。手抄到一列纯文本里，格式就一行一条：

kitchen_hum_01	00:00:03.412	00:00:19.870
balcony_hum_02	00:00:01.905	00:00:18.143

然后用 Python 把每条换算成 BPM，四拍一小节、八小节就是 32 拍：

import sys

def ts(s):
    m, rest = s.split(":")
    sec, ms = rest.split(".")
    return int(m) * 60 + int(sec) + int(ms) / 1000

for line in sys.stdin:
    name, a, b = line.rstrip("\n").split("\t")
    bpm = 32 * 60 / (ts(b) - ts(a))
    print(f"{name}\t{bpm:.1f}")

跑出来一目了然：我自己以为稳在 96 左右的那几条，实际分布在 88 到 104。差的不是手速，是我哼的时候「等了一下」。

为什么用波形而不是自动节拍检测？因为动机只有人声，没有鼓，大多数检测器会锁到音节包络上，错得很有自信。波形加人眼找重拍，慢，但每个判断我都能复核，代价是批量处理不了——60 条花了一个晚上。

失效的地方也说清楚：起始点如果是弱起或气声，波形上根本看不出重拍，这时候我就放弃这条，不硬标；手机录音有自动增益的话，波形幅度会失真，但时间轴不受影响，所以只拿它当尺子还行。另外这法子只管相对速度，绝对音高一概不管，别指望它顺手帮你调性。

现在这列文本躺在动机文件夹的 readme 里，新录一条就补一行。想问的是：你们录动机时会把速度记下来吗，还是靠事后耳朵判断？