从麦克风录制的声音的音量

Posted 2023-02-24

【中文标题】从麦克风录制的声音的音量

【英文标题】：the volume of the sound recorded from microphone

【发布时间】：2013-07-15 02:54:03

【问题描述】：

我正在尝试编写一个在用户说话时做出反应的小程序。比如让一个圆圈变大或类似的东西。

我使用此代码访问麦克风，但我如何让它仅在用户说话时做出反应？例如当录制的音量大于某个量时。

    TargetDataLine line = null;
    AudioFormat format = new AudioFormat(16000, 16, 1, true, true);
    DataLine.Info info = new DataLine.Info(TargetDataLine.class, format);

    if(! Audiosystem.isLineSupported(info))
        System.out.println("Line is not supported");
    

    try
        line = (TargetDataLine) AudioSystem.getLine(info);
        line.open();
    catch(LineUnavailableException e)
        System.out.println("Failed to get line");
        System.exit(-1);
    

    ByteArrayOutputStream out  = new ByteArrayOutputStream();
    int numBytesRead;
    byte[] data = new byte[line.getBufferSize() / 5];

    // Begin audio capture.
    line.start();

    int i = 0;

    // Here, stopped is a global boolean set by another thread.
    while (i<100) 
       // Read the next chunk of data from the TargetDataLine.
       numBytesRead =  line.read(data, 0, data.length);
       // Save this chunk of data.
       out.write(data, 0, numBytesRead);
       i++;
       System.out.println(i);
        

【问题讨论】：

Detect silence when recording 的可能重复项

【参考方案1】：

在最后一个 while 循环中，您正在一个名为“data”的缓冲区变量中收集声音数据。您需要做的是获取这些字节并将它们组装成可用的 DSP 值。这样做的代码取决于格式。最常见的是 16 位编码、立体声、little-endian。在这种情况下，您必须将字节对组合成值，其中第一个字节是低位，第二个字节是高位。有几篇关于这个主题的帖子详细说明了如何处理这个问题。

这些值的范围从 -32768 到 32767 （我是从内存中写入的，可能是关闭的，但它是一个短的范围）。很难说您希望阈值在哪里，因为音量不仅取决于绝对值（越大越响），还取决于在较大值上花费的时间量。 “安静”的声音可能具有非常大的瞬变值。另外，数字和分贝不直接对应，需要换算公式。

因此，有几个问题需要处理，但如果您只是进入 while 循环并解码“数据”，您可能会得到一些“足够好”的快速而肮脏的东西。

【讨论】：

所以从该行读取的字节流由 2 个字节的值组成。我必须找到一个阈值来查看对我来说足够响的声音并将其设置为数字？

是和不是。 (1) 如果你有立体声，左声道可能是 2 字节，右声道可能是 2 字节。 (2) 你可能想要做某种滚动平均，这样你就不会对每一个超过限制的瞬态做出反应。