Auch auf die Gefahr hin, dass da wieder so ein unqualifiziertes "böööh, dich kennen wir ja schon" kommt: Du stellst dir das
extrem viel zu einfach vor. Mach dich zunächst ein Mal mit den Grundlagen der
Signalverarbeitung vertraut. (Ja, das ist schon nicht wenig.) Dann hast du eine gute Chance zu verstehen was überhaupt in einer Wave-Datei steht, bis zu dem Punkt zu verstehen was bei MP3 passiert, ist es dann aber immer noch ein recht weiter weg.
Wenn du soweit mal bist (und auch ich selber hab den ganzen Kram über mehrere Jahre verteilt an der FH gelernt, erwarte kein Wochenendprojekt), dann fangen deine Probleme erst richtig an. Das ist dann die Stelle, wo sich, wie bereits zuvor jemand geschrieben hat, ganze Abteilungen nicht ganz ahnungsloser Forschungsteams mit beschäftgen lassen.
Und du machst es im Grunde noch schwieriger, in dem du nachher mit Beep() dran gehen willst, dass ja nur einen einzigen Ton ausgeben, keine Instrumente nachbilden, und schon garnicht polyphon genutzt werden kann. Frequenzen ermitteln ist theoretisch schon moppig, gibt's aber gute Libraries für.
Signifikante Frequenzen auswählen ist schon erheblich komplizierter, und dann noch sicher stellen, dass sie der wahrgenommenen Hauptmelodie entsprechen, dürfte endgültig das Ende sein - das schaffen evtl. mal Systeme die wirklich wie ein Mensch wahrnehmen, und nicht mehr nur verarbeiten und analysieren. Das ist im Moment eher Science-Fiction, und klappt selbst in den hochgezüchtesten Systemen bestenfalls schätzungsweise, und bedarf praktisch immer manueller Nachbearbeitung. Mindestens.
Das heisst selbst wenn du der Obercrack auf diesem Gebiet wärst, würdest du es höchst wahrscheinlich nicht schaffen, das was dir vorschwebt zu basteln. Und wenn ich so frei sein darf: Von Obercrack bist du Lichtjahre entfernt wenn ich das hier so lese.
"When one person suffers from a delusion, it is called insanity. When a million people suffer from a delusion, it is called religion." (Richard Dawkins)