1. 首页
  2. 问答
  3. 编程音频入门

编程音频入门

2008-12-14 76 views
34

我正在寻找资源，链接等，以帮助您开始以编程方式使用音频进行工作。编程音频入门

具体来说，我正在使用的平台公开API以从资源（如MP3）中提取音频数据，或者将任意数据作为音频播放。在这两种情况下，实际数据都是32位浮点数的字节数组，代表44.1 KHz立体声。我正在寻找的是帮助理解浮体代表什么，以及他们可以用什么样的方式来动态分析或修改他们所代表的声音。

任何人都可以推荐任何网站/教程/参考来帮助grok这种事情？

来源

2008-12-14 fenomas

+0

PCM音频：HTTP：//en.wikipedia .org/wiki/Pulse-code_modulation – some 2008-12-14 05:37:19

+0

基本上每个32位值代表特定时间的电压电平。由于采样频率为44100Hz，因此每个通道每秒可获得441000个32位值（* 2，因为您有立体声） – some 2008-12-14 05:41:57

回答

95

正如有些人在评论中指出的，你想看到的是PCM audio。

简而言之，sound是一种在空中传播的波。为了捕捉声音，我们使用一个microphone，它包含一个膜片，当声波击中它时会振动。这种振动被转换成电压信号，电压上升和下降。这个电压变化然后由analog-to-digital converter（ADC）通过每秒取样若干次（“sampling rate”--44KHz或44,100个采样/秒）而变成数字信号，并且在当前情况下，被存储为一种脉码调制（PCM）音频数据。

A speaker作品相反; PCM信号通过digital-to-analog converter（DAC）转换为模拟信号，然后模拟信号传送到扬声器，在那里振动膜片，在空气中产生振动并产生声音。

操作音频

有许多图书馆在那里的许多语言，你可以操纵音频，但是你标记这个问题为“语言无关”，我会提一些简单的方法（就像我所知道的那样！），你可以用你喜欢的语言来操作音频。

我将以伪代码的形式呈现代码示例。

伪码将使每个音频采样的幅度在-1到1的范围内。这将取决于您用于存储每个采样的数据类型。 （I还没有处理的32位前float S，所以这可能是不同的。）

扩增

为了放大音频，（因此，增加了声音的音量）你将要使扬声器的振动更大，以便增加声波的大小。

为了使该扬声器多运动，你就必须增加每个样本的值：

original_samples = [0, 0.5, 0, -0.5, 0] 

def amplify(samples): 
    foreach s in samples: 
     s = s * 2 

amplified_samples = amplify(original_samples) 

// result: amplified_samples == [0, 1, 0, -1, 0]

所得样品现在由2放大，并在播放时，它应该听起来更响亮比以前。

沉默

当没有振动，没有声音。沉默可以通过每个样品为0下降，或任何特定的值来实现，但不具有样本之间的振幅的任何变化：

original_samples = [0, 0.5, 0, -0.5, 0] 

def silence(samples): 
    foreach s in samples: 
     s = 0 

silent_samples = silence(original_samples) 

// result: silent_samples == [0, 0, 0, 0, 0]

回放上述应导致没有声响，作为在所述膜由于样本中幅度变化不大，说话人完全不动。 （1）改变重放采样速率或（2）改变所述样品本身：

速度向上和向下

超速东西上下可以以两种方式来实现。

将播放采样率从44100Hz更改为22050Hz将使播放速度降低2.这将使声音更慢，音调更低。从22KHz的音源开始，以44KHz的速度播放，声音会像鸟儿鸣叫一样快速而高音。

更改样本本身（并保持一个恒定的播放取样率）是指样品或者（a）获得抛出或（b）中加入。

为了加快的音频的重放，抛出样品：

original_samples = [0, 0.1, 0.2, 0.3, 0.4, 0.5] 

def faster(samples): 
    new_samples = [] 
    for i = 0 to samples.length: 
     if i is even: 
      new_samples.add(samples[i]) 
    return new_samples 

faster_samples = faster(original_samples) 

// result: silent_samples == [0, 0.2, 0.4]

上述程序的结果是，音频将通过2倍，类似于播放，在44千赫在22千赫采样的音频加快。

放缓的音频播放，丢几个样品中：

original_samples = [0, 0.1, 0.2, 0.3] 

def slower(samples): 
    new_samples = [] 
    for i = 0 to samples.length: 
     new_samples.add(samples[i]) 
     new_samples.add(interpolate(s[i], s[i + 1])) 
    return new_samples 

slower_samples = slower(original_samples) 

// result: silent_samples == [0, 0.05, 0.1, 0.15, 0.2, 0.25, 0.3]

这里，添加额外的样品，从而减慢播放。在这里，我们有一个interpolation函数，它可以“猜测”如何填充多余的额外空间。

谱分析和声音改性FFT

使用称为Fast Fourier transform（FFT）技术，在幅度 - 时间域中的声音数据可以被映射到频率 - 时间域，以确定的频率分量的音频。这可用于生成您可能会在您最喜爱的音频播放器上看到的spectrum analyzers。

不仅如此，因为现在你有声音的频率成分，如果你改变的

量如果你想切断某些频率，可以使用FFT的声音数据变换成频率 - 时间域，并将不需要的频率分量归零。这被称为filtering。

制备high-pass filter，这允许频率高于一定的频率可以这样进行：

data = fft(orignal_samples) 

for i = (data.length/2) to data.length: 
    data[i] = 0 

new_samples = inverse_fft(data)

在上述例子中，在中途标记所有频率是截止。因此，如果音频可以产生22 KHz作为最大频率，那么11 KHz以上的任何频率都将被截取。 （对于以44 KHz播放的音频，可以产生的最大理论频率为22 KHz，请参阅Nyquist–Shannon sampling theorem。）

如果您想要做一些类似于提高低频范围（类似于低音增强效果） ，取FFT变换数据的下端并增加其大小：

data = fft(orignal_samples) 

for i = 0 to (data.length/4): 
    increase(data[i]) 

new_samples = inverse_fft(data)

此示例的音频的频率分量的下四分之一增加，导致低的频率变得更响亮。

有很多事情可以对样品进行处理音频。只要继续尝试吧！这是最令人兴奋的学习方式。

祝你好运！

来源

2008-12-14 06:57:19 coobird

4

看起来像你想知道更多关于PCM audio

基本上每32位值代表在指定的时间上的电压电平。 由于采样频率为44100Hz，每通道每秒可获得441000个32位值（* 2，因为您有立体声）

对于立体声，左右声道通常是交错的，因此第一个采样代表左声道，第二个权利，等等。

来源

2008-12-14 06:15:04 some

3

要理解那些32位浮点数组代表你需要阅读一个好的数字音频介绍。

如果你在图书馆附近Curtis Roads的“计算机音乐教程”可能会有帮助。特别是第一章“数字音频概念”。 （尽管我阅读了这本书已经很长时间了）。

一旦您对数字音频有所了解，可以通过多种方式来操作它。准备就绪后，这些链接可能会有所帮助。

Dsp + Plugin Development forum at KVR Audio是一个提问的地方。这里的帖子一般分为一般音频DSP和VST插件主题。

MusicDsp有很多代码片段。

The Scientist and Engineer's Guide to Digital Signal Processing 是一个免费的在线教科书，深入到标准的DSP主题。其中大部分也适用于数字音频。

来源

2008-12-22 09:42:52

 相关问题

  • 暂无相关问题^_^