c# - 为机器人语音C#乘以音频信号

Question

我正在尝试获取 .NET SpeechSynthesizer 的波形输出，使声音听起来像机器人。

经过一些研究，我发现环形调制可能是获得我想要的效果的不错选择。我已经看到公式基本上是 Result(t) = Voice(t) * SineWave(t)。

不过，我不知道如何从 Wave Stream 应用这种效果，是否有任何库可以:

• 生成正弦波并将其处理成 Wave Stream
• 将两个流相乘以获得结果

如果没有，您知道其他选择吗？也许我可以将 Voice Wave Stream 中的每个样本乘以正弦波中的每个样本？

我正在使用 C#/.net 框架。

谢谢!

编辑: 好吧，经过几个小时的失败尝试，我终于想出了一个看起来不错的结果。唯一的问题是输出中有很多噼啪声，我发现的唯一解决方法是应用低通滤波器。

这是我到目前为止所得到的(快速、肮脏且未注释的代码，但应该是不言自明的):

class Mixer
{
    public static Stream RingModulation(Stream voiceStream, TimeSpan duration, SpeechAudioFormatInfo format)
    {
        var sineWave = SineOscillator.GenerateWave(duration, 80, 1, format);
        var numSamples = Convert.ToInt32(duration.TotalSeconds * format.SamplesPerSecond);
        var dataStream = new MemoryStream();

        sineWave.Position = 0;
        voiceStream.Position = 0;

        var buf1 = new byte[2];
        var buf2 = new byte[2];
        for (var i = 0; i < numSamples; i++)
        {
            voiceStream.Read(buf1, 0, 2);
            sineWave.Read(buf2, 0, 2);

            var data = BitConverter.GetBytes(Convert.ToInt16(BitConverter.ToInt16(buf1, 0) * BitConverter.ToInt16(buf2, 0)));
            dataStream.Write(data, 0, data.Length);
        }

        return dataStream;
    }
}

class SineOscillator
{
    public static Stream GenerateWave(TimeSpan duration, double frequency, int amplitude, SpeechAudioFormatInfo format)
    {
        var numSamples = Convert.ToInt32(duration.TotalSeconds * format.SamplesPerSecond);
        var dataStream = new MemoryStream();
        var angle = (Math.PI * 2 * frequency) / (format.SamplesPerSecond * format.ChannelCount);

        for (var i = 0; i < numSamples; i++)
        {
            var data = BitConverter.GetBytes(Convert.ToInt16(amplitude * Math.Sin(angle*i)));
            // Generate a sine wave in both channels.
            dataStream.Write(data, 0, data.Length);
        }

        return dataStream;
    }
} 

虽然尚未应用低通滤波器，但问题仍然存在，以防有人提供好的答案和/或更好的方法:)

Answer 1

我从事音频处理工作了一段时间。产生某种“机器人效应”的另一种方法是重复相同的频率几毫秒，而不是拥有平滑的曲线。

取一个区间的频率值
平均数值
将整个时间间隔的平均值写入输出缓冲区

有不同的“机器人效果”听起来不一样，这听起来不像 Optimus Prime，但很明显是计算机生成的