gpt4 book ai didi

c++ - 如何在音轨中找到无声部分

转载 作者:行者123 更新时间:2023-11-28 00:17:54 24 4
gpt4 key购买 nike

我有以下代码将来自 wav 文件的原始音频数据存储在字节缓冲区中:

BYTE header[74];
fread(&header, sizeof(BYTE), 74, inputFile);
BYTE * sound_buffer;
DWORD data_size;

fread(&data_size, sizeof(DWORD), 1, inputFile);
sound_buffer = (BYTE *)malloc(sizeof(BYTE) * data_size);
fread(sound_buffer, sizeof(BYTE), data_size, inputFile);

是否有任何算法可以确定音轨何时静音(字面上没有声音)以及何时有一定的音量?

最佳答案

那么,您的“声音”将是一组值,无论是整数还是实数 - 取决于您的格式。

要使文件静音或“没有声音”,该数组中的值必须为零,或非常接近于零,或者最坏的情况——如果音频有偏差——该值将保持不变左右波动以产生声波。

您可以编写一个简单的函数来返回一个范围的 delta,换句话说,就是最大值和最小值之间的差值,delta 越小,音量越低。

或者,您可以编写一个函数,返回增量低于给定阈值的范围。

为了玩玩,我写了一个漂亮的类:

template<typename T>
class SilenceFinder {
public:
SilenceFinder(T * data, uint size, uint samples) : sBegin(0), d(data), s(size), samp(samples), status(Undefined) {}

std::vector<std::pair<uint, uint>> find(const T threshold, const uint window) {
auto r = findSilence(d, s, threshold, window);
regionsToTime(r);
return r;
}

private:
enum Status {
Silent, Loud, Undefined
};

void toggleSilence(Status st, uint pos, std::vector<std::pair<uint, uint>> & res) {
if (st == Silent) {
if (status != Silent) sBegin = pos;
status = Silent;
}
else {
if (status == Silent) res.push_back(std::pair<uint, uint>(sBegin, pos));
status = Loud;
}
}

void end(Status st, uint pos, std::vector<std::pair<uint, uint>> & res) {
if ((status == Silent) && (st == Silent)) res.push_back(std::pair<uint, uint>(sBegin, pos));
}

static T delta(T * data, const uint window) {
T min = std::numeric_limits<T>::max(), max = std::numeric_limits<T>::min();
for (uint i = 0; i < window; ++i) {
T c = data[i];
if (c < min) min = c;
if (c > max) max = c;
}
return max - min;
}

std::vector<std::pair<uint, uint>> findSilence(T * data, const uint size, const T threshold, const uint win) {
std::vector<std::pair<uint, uint>> regions;
uint window = win;
uint pos = 0;
Status s = Undefined;
while ((pos + window) <= size) {
if (delta(data + pos, window) < threshold) s = Silent;
else s = Loud;
toggleSilence(s, pos, regions);
pos += window;
}
if (delta(data + pos, size - pos) < threshold) s = Silent;
else s = Loud;
end(s, pos, regions);
return regions;
}

void regionsToTime(std::vector<std::pair<uint, uint>> & regions) {
for (auto & r : regions) {
r.first /= samp;
r.second /= samp;
}
}

T * d;
uint sBegin, s, samp;
Status status;
};

我还没有真正测试过它,但看起来它应该可以工作。但是,它采用单个音频 channel ,您必须扩展它才能处理多 channel 音频。以下是您如何使用它:

SilenceFinder<audioDataType> finder(audioDataPtr, sizeOfData, sampleRate);
auto res = finder.find(threshold, scanWindow);
// and output the silent regions
for (auto r : res) std::cout << r.first << " " << r.second << std::endl;

还要注意它现在的实现方式,“切”到无声区域会非常突然,这种“噪声门”类型的滤波器通常带有攻击和释放参数,可以平滑结果。例如,可能有 5 秒的静音,中间只有一点点爆音,如果没有起音和释放参数,您将把 5 分钟一分为二,爆音实际上会保留下来,但是使用这些您可以实现不同的敏感度什么时候切断它。

关于c++ - 如何在音轨中找到无声部分,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/29089582/

24 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com