python - 如何找到两个不同音频样本之间的标度？

Question

我打算制作一个分析音频样本的通用应用程序。当我说“通用”时，是指任何技术(Javascript，C，Java等)都可以使用它。
基本上，我使用Apple的AVFoundation在iOS上创建了一个应用程序，该应用程序以512的长度(bufferSize = 512)实时接收麦克风采样。
在Python上，我使用PyAudio做了同样的事情，但是不幸的是，我收到了非常不同的值...

看一下样本:

Samples of bufferSize = 512 on iOS:

[0.0166742969, 0.0181432627, 0.0184620395, 0.0182254426, 0.0181945376, 0.0185530782, 0.0192517322, 0.0199078992, 0.0204724055, 0.0212812237, 0.022370765, 0.0230008475, 0.0225516111, 0.0213304944, 0.0200473778, 0.019841563, 0.0206818394, 0.0211550407, 0.0207783803, 0.020227218 ....

Samples of bufferSize = 512 on Python:

[ -52.  -32.  -11.   10.   24.   31.   37.   38.   33.   25.   10.   -4.
  -18.  -26.  -29.  -39. ....

有关更多:

https://pastebin.com/jrM2VWXR

Python代码:

https://gist.github.com/denisb411/7c6f601175e8bb9f735d8aa43a0db340

在这两种情况下，我都使用同一台计算机。

我如何找到一种方法将它们“转换”(不知道这是否是正确的词)到相同的比例？

如果我不清楚这个问题，请通知我。

Answer 1

音频样本通常以16或24位量化。但是这些样本可以采用的值范围有不同的约定:

如果要量化8位，则样本通常将存储为无符号字节，范围为0到255

如果您要量化16位，则样本通常将存储为2的补码有符号整数，范围从-32768到32767

如果您将量化为24位，则样本通常将存储为无符号整数

等

基本上，当您决定存储样本时，有两个参数:

签名或未签名的

int或float

每个都有其优点和缺点。例如，将浮点数存储在[-1，1]范围内的优点是两个样本相乘将始终在[-1，1]的相同范围内…

因此，要回答您的问题，您只需要更改打开PyAudio流的格式即可。当前，您使用 format=pyaudio.paInt16。尝试将其更改为 pyaudio.paFloat32，您应该获得与iOS实现相同的数据。