- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我将处理大量音频文件,我不需要播放这些文件,但我希望能够定期(例如每秒)获取音量级别,这样我就可以粗略地绘制整个文件的总体音量水平。我已经使用 java Sound API 来读取文件的帧,但我不确定如何解释它们(我不确定如何处理小端以及将帧分成两个 channel ),我尝试将 AudioInputStream 发送到 SourceDataLine,并每秒在数据线上调用 getLevel(),但它总是返回 0。
最佳答案
如果您已签名 PCM,则从字节解码的值将具有 Java 短整数范围(-32768 到 32767)。然而,声波的本质是来回扫描,因此在任何单帧中,该值几乎可以在任何地方,因此与您听到的音量没有特别好的相关性。
所以,我怀疑您将不得不查看许多样本并进行某种总体分析。也许将所有与 0 的偏差作为绝对值相加,然后除以帧数?需要多少帧?好吧,如果我们想要包含以 50 cps 循环的低音声波,并且想要确保包含整个周期,则相当于一整秒帧的 1/50。如果采样率为 44100fps,则为 8805 帧!但也许使用这个滚动平均值会扭曲其他附近频率值的贡献?
请注意,我主要是自学成才,因此可能有更好的方法来做到这一点。
下面是我用来将小端轨道的帧转换为 -1 和 1 之间的 float (呃,0.999...)的代码行,其中 buffer 是一个字节数组:
float audioVal = (float)( ( ( buffer[i+1] << 8 )
| ( buffer[i] & 0xff ) ) / 32768.0 );
如果您进行搜索,您会发现 Stack Overflow 上还有其他具有类似转换的帖子。 MSB 被移动并保留其符号。 LSB 使用 ff 十六进制进行 &'d,以确保“符号位”被解释为数值的一部分。 MSB 和 LSB 一起并除以最大可能的短整型值以“标准化”范围。我认为小端 16 位编码的帧的四个字节的顺序如下:b[0] = 左 LSB,b[1] = 左 MSB,b[2] = 右 LSB,b[3] = 右MSB。我不记得在哪里看到过这个官方定义或发布的。左右互换就尴尬了!
在找到移动平均线之前,您可能需要进行 ABS。也许可以将 ABS 内置到转换中以节省几个 CPU。
关于java - 我正在尝试使用 java 的声音 API 获取 wav 文件的音量级别,但无法弄清楚,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/4953045/
如果已知该确切样本存在于 wav 中的某处(但可能与其他声音混合),是否可以使用 FFT 找到较长 wav 中出现的小 wav 样本? 编辑 (收到两个回复后):如果我有一个包含所有已知声音的库,这些
我对 .NET 中的音频完全陌生,所以请多多包涵。 我的目标是创建一个具有两个 channel 的 wav 文件。左声道将包含语音消息(使用 SpeechSynthesizer 生成的流),右声道需要
我的大部分信息都来自其他stackoverflow帖子,但没有一个真正有用。 import UIKit import AVFoundation class FaceButtonSc
关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。 我们不允许提问寻求书籍、工具、软件库等的推荐。您可以编辑问题,以便用事实和引用来回答。 关闭 3 年前。
这可能是一个非常简单的问题;我将一个单声道 WAV 文件转换为一个 short[] 数组,并且我有一个将其写回 WAV 文件的函数。一切正常。 (writeBuffer 是 short[] 数组) b
我们的应用程序需要知道它加载的音频文件的样本数。我们使用的库可以可靠地确定采样率,但不能确定样本数。我们是否可以仅从文件大小和采样率来计算样本数? 最佳答案 马克说什么。不,通常您需要解释标题。但是,
我正在用java做一个项目,需要我加密wave文件。那么,是否有一个直接的过程可以将波形文件转换为二进制文件并返回?我将对二进制数据应用加密算法。 最佳答案 是的。 File file = new F
我想知道如何从 .wav 文件中获取样本以执行两个 .wav 文件的窗口连接。 谁能告诉我怎么做? 最佳答案 wave标准库的模块是关键:当然在代码顶部的 import wave 之后,wave.op
我有一个几分钟长的 .wav 文件,我想将其分成不同的 10 秒 .wav 文件。 到目前为止,这是我的 python 代码: import wave import math def main(fil
我在 ffmpeg 中使用以下命令合并多个 wav 文件: -f concat -safe 0 -i /storage/emulated/0/AudioClipsForSpeakerRecogniti
我正在尝试用python实现主动降噪。我的项目由两组代码组成: 录音代码 声音过滤代码 我的目标是当您运行该程序时,它将开始通过麦克风录音。录音完成后,会生成一个名为“file1.wav”的保存文件,
我正在尝试制作一个音乐识别系统。我担心我可能没有按照预期读取 wav 样本,而且我可能会应用错误的窗口大小来进行 FFT 和其他操作。 如果你能帮我的话,那就太好了。 首先,我有一些关于 Wavs 中
如何使用 java 合并两个 wav 文件? 我试过了 this但它没有正常工作,他们还有其他方法吗? 最佳答案 如果您直接处理 wav 文件的字节,您可以在任何编程语言中使用相同的策略。对于此示例,
尝试为我的 previous question 找到解决方法,我想将用 byte[](具有 wav header )编写的 16k 8 位单声道 wav 转换为 8k 8 位单声道流/字节 []。 是
目前我正在使用一个语音到文本的翻译模型,该模型采用 .wav 文件并将音频中的可听语音转换为文本转录本。该模型之前曾用于直接录制的 .wav 音频录音。但是现在我正在尝试对视频中最初出现的音频做同样的
试图在 python 中将 wav 文件转换为 wav uLaw。 使用 pydub 的 AudioSegment,我可以使用以下命令转换为 mp3: AudioSegment.from_wav(fr
我在 xcode 项目中添加了 LibFlac。然后我在我的项目中添加了来自 Libflac 的decode/main.c。我通过了 infile.flac 并运行了项目的可执行文件,但它给出了以下错
大家好,感谢您的阅读。 我想使用 Python 的 scipy.io.wavfile 对一首歌进行一些分析。由于我只有 .mp3 格式的歌曲,因此我使用 ffmpeg 将文件转换为 .wav,方法如下
我需要连接两个音频波,以便最终输出的音频波应该有一个更平滑的交汇点。我的意思是,在连接点,假设 10 秒钟,第一个音频应该开始淡出,而另一个音频开始拾取。 我已经能够连接两个音频文件并生成单个输出,但
我需要将一个 wav 文件转换为 8000Hz 16 位单声道 Wav。我已经有一个代码,它适用于 NAudio 库,但我想使用 MemoryStream 而不是临时文件。 using System.
我是一名优秀的程序员,十分优秀!