傅立叶变换以转置 wav 文件的密钥

Posted 2023-02-25

【中文标题】傅立叶变换以转置 wav 文件的密钥

【英文标题】：fourier transform to transpose key of a wav file

【发布时间】：2010-04-12 19:23:54

【问题描述】：

我想编写一个应用程序来转置 wav 文件播放的键（为了好玩，我知道有些应用程序已经这样做了）...我对如何实现这一点的主要理解是

1) 将音频文件切成非常小的块（比如每秒 1/10）

2) 对每个块运行 FFT

3) 根据我想要的键将频率空间向上或向下移相

4) 使用逆 FFT 将每个块返回到时域

5) 将所有块粘在一起

但现在我想知道，当我尝试将转换后的块重新粘合在一起时，它们是否会不再连续。有什么想法我应该如何做到这一点以保证连续性，还是我什么都不担心？

【参考方案1】：

将每个块的时间样本重叠一半，以便第一个块之后的每个块由前一个块的最后 N/2 个样本和 N/2 个新样本组成。请务必在转换之前对样本应用一些窗口。

移频后，执行逆 FFT 并使用每个块的中间 N/2 个样本。您需要在 IFFT 之后调整最终增益。

当然，将时间样本与正弦波混合，然后进行低通滤波也会在时域中提供相同的偏移。混频器的频率将是所需的频率差。

【讨论】：

我认为混音器可能更符合 OP 的要求。但如果涉及过滤器，则重叠保存 FFT 技巧非常好。有关详细信息，请参阅en.wikipedia.org/wiki/Overlap-save_method。如果你做对了，你也不需要一个窗口——这个窗口更适合分析应用程序。

@larry 我不明白这是如何解决不连续性的......看起来结果信号通常与过去的块不同步。至于混频正弦波，我不熟悉这种方法。

【参考方案2】：

对于语音，您可能想查看PSOLA - 这是pitch-shifting 和/或time stretching/compression 的流行算法，它比基本的重叠添加方法稍微复杂一点，但并不复杂。

如果您需要处理非语音样本，例如音乐，然后有several possibilities，但是其他答案中提到的重叠添加FFT/修改/IFFT方法可能是最好的选择。

【讨论】：

我的印象是 PSOLA 主要用于语音而不是音乐。这是正确的吗？

@tom10: 好点 - 我不知道它有多好用，例如音乐。我想如果这是针对语音以外的应用程序，则更基本的重叠添加方法可能更合适。我会相应地编辑我的答案。

【参考方案3】：

在该主题上找到this great article，供以后尝试的人使用！

【参考方案4】：

您可能必须在块之间找到一个过零点，才能将各个 wav 重新粘合在一起。否则，您可能会发现您在块之间获得了点击或弹出。

【讨论】：

是的，这就是我所关心的，但仅仅让它在边界处连续可能还不够好，我怀疑不连续的梯度甚至二阶导数也可能给我带来点击。