如何在音轨中找到无声部分
How to find silent parts in audio track
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(实际上没有声音)以及何时有一些声级?
好吧,你的"声音"将是一个值数组,无论是整数还是实数 - 取决于你的格式。
为了使文件静音或"没有声音",该数组中的值必须为零,或非常接近零,或最坏的情况 - 如果音频有偏差 - 该值将保持不变,而不是波动产生声波。
您可以编写一个简单的函数来返回范围的增量,换句话说,最大值和最小值之间的差异,增量越低,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。
为了玩弄,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,它假定单个音频通道,您必须扩展它才能使用和跨多通道音频。以下是您的使用方式:
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;
还要注意的是,现在的实现方式,"切入"到静默区域会非常突然,这种"噪声门"类型的文件管理器通常带有攻击和释放参数,这会平滑结果。例如,可能有 5 秒的静音,中间只有一个很小的爆裂声,没有攻击和释放参数,你会得到 5 分钟一分为二,并且爆裂声实际上会保留,但使用这些你可以实现不同的灵敏度何时切断它。
要检查 t1 和 t2 之间的磁道部分是否为"静默",请计算 t1 和 t2 之间样本的均方根 (RMS)。 然后,只需检查 RMS 是否<=
到您确定构成"静音"的某个阈值。 见 http://en.wikipedia.org/wiki/Root_mean_square
相关文章:
- 在C++中,将大的无符号浮点数四舍五入为整数的最佳方法是什么
- 实现无开销push_back的最佳方法是什么
- 将无符号char*转换为std::istream*C++
- 如何在C++中将一个无符号的 int 转换为两个无符号的短裤?
- 是什么阻止DOMTimerCoordinator::NextID进入无休止的循环
- 在c++中检查长方体是否尽可能快地重叠(无迭代)
- C++浮点数据类型和字符串数据类型无法子到模板函数中
- 从矢量<无符号字符>转换为字符* 包括垃圾数据
- 如何理解将半精度指针转换为无符号长指针和相关的内存对齐
- 在没有定义返回类型的函数中返回布尔值,并将结果保存在无错误的char编译中-为什么
- C++中无符号字符溢出
- 使用无符号字符数组有效存储内存
- 松弛原子与无同步情况下的记忆连贯性
- 'max'匹配'std::function<const int &(const int &, const int &)>'无过载
- 使用超强音频套件在音轨之间正确过渡
- 核心音频指定要解码的音轨
- 获取音轨的编码
- 如何在音轨中找到无声部分
- 如何在c++中使用ffmpeg动态更改视频的音轨
- 如何从 mac os x 上通过 USB 连接的多轨混音器获取输入