如何在现场系统声音中识别声音“峰值”？

Posted 2023-02-24

【中文标题】如何在现场系统声音中识别声音“峰值”？

【英文标题】：How to recognise a sound ‘peak’ at live system sound?

【发布时间】：2018-07-10 20:22:03

【问题描述】：

我想做一个程序，当系统的基本声音播放任何类型的声音时，它会执行特定的命令。就像你在 facebook 上收到一条消息一样，你会听到一点警报声。我想认识这个“高峰”。在python中怎么可能？

【问题讨论】：

你有没有尝试过你的代码？

这也是依赖于操作系统的，因为我想你必须深入研究一些低级声卡的东西

@MoxieBall 如果我们检查一个指定的程序会更容易吗？

@AndrejKesely。还没有

@FrankConrad 更像是，您必须执行此操作的方式取决于如何从您的系统获取声级，这取决于您的系统。我不知道如何为任何系统做到这一点——做过的人必须知道你正在使用什么系统

【参考方案1】：

获取您的音频数据

我认为您正在寻找的是以某种方式回送系统输出，以便您可以读取它，就好像您的操作系统认为它是输入一样。有不同的方法可以做到这一点（取决于您的操作系统）。

但是，由于在您提到您的操作系统是 Windows 8.1 的 cmets 中，您可以使用 PyAudio -> PyAudio_portaudio 的分支：这是正常的 PyAudio，但扩展为使用 WASAPI 环回您的窗口系统输出返回到您可以在 Python 中检索的内容。

如果我遗漏了任何内容，请参阅this other SO post 关于使用 Python 记录系统输出的内容，并感谢 @mate 将链接发布到 PyAudio fork。

这是一个简单的解释：

官方 PyAudio 版本无法记录输出。但是 Windows Vista 及更高版本，引入了一个新的 API，WASAPI，它 包括在环回中打开到输出设备的流的能力 模式。在这种模式下，流的行为类似于输入流，具有 录制输出音频流的能力。

要设置模式，必须设置一个特殊标志 （AUDCLNT_STREAMFLAGS_LOOPBACK， https://msdn.microsoft.com/de-de/library/windows/desktop/dd316551(v=vs.85).aspx ）。由于官方版本不支持此标志，因此需要 编辑 PortAudio 和 PyAudio，以添加环回支持。

新选项：“as_loopback”:(true|false)

分析您的数据

这将为您逐块提供数据（以您指定的块大小）。从那里，您可以进行任何您想要的 DSP / 峰值分析来计算已播放的声音/具有任何属性。

下面是一个快速示例，可帮助您开始使用 peak detection in Python。为了获得更准确的结果，也许您可​​以存储您想要识别的 .wav 文件并执行cross correlation 以查看是否播放了相同的 .wav 文件。

Cross correlation 1D Arrays（单声道） Cross correlation 2D Arrays（立体声）