如何在 PCM 音频中使用 IMediaSample 检测静音

Posted 2023-02-25

【中文标题】如何在 PCM 音频中使用 IMediaSample 检测静音

【英文标题】：How to detect silence with IMediaSample in PCM audio

【发布时间】：2012-07-31 09:39:20

【问题描述】：

我需要使用 IMediaSample 检测 PCM 音频流中的静音。信号由电视提供，通过光缆与 PC 连接到 Prodigy 7.1 HiFi 声卡。到目前为止，我有这个：

bool detectSound(IMediaSample *pSamples)

    BYTE *pData;
    pSamples->GetPointer(&pData);
    long size = pSamples->GetActualDataLength();

    long nulls = 0;
    for(long i = 0; i < size; ++i) 
        if(pData[i] == 0)
            ++nulls;
    

    /* 0.9 to eliminate interference */
    long max_nulls = (long) (0.9 * size);
    if(nulls > max_nulls)                  /* STOP */
        /* no audio */
        return false;
    
    else 
        /* audio available */
        return true;
    

问题是，如果我在标记为“STOP”的行处设置断点，无论我是否将电视静音，nulls 几乎总是具有相同的值并且小于 max_nulls。我注意到 pData[i] 的值总是 0 或 255。（奇怪还是不奇怪？）

可能我不明白这个“数据”到底是什么以及如何解释它。我可以肯定的是，如果没有音频，那么波形中的所有采样值应该几乎为 0。

你能验证我的想法吗？提前致谢。

日食

编辑：

问题出在驱动程序和 AC3 过滤器设置的某个地方，因为在“SPDIF 测试”中，我发现 DirectSound 不支持 44.1 kHz、48 kHz 和 32 kHz。 Roman的想法是正确的，当我解决这个问题时会起作用。

【参考方案1】：

更好的方法是找出 PCM 数据是什么，发布的问题的答案将是微不足道的。

更快的方法是：

将这些音频数据字节视为 SHORT 值（您没有提到，但我想您的音频是 16 位的） 最好是拆分成通道单独处理 计算standard deviation 静默是当/如果计算值低于某个小阈值

【讨论】：

我同意你的观点，但是无论是否静音（我将每两个字节视为一个 16 位样本），计算的值都会在时间上保持不变。首先，IMediaSample 返回的数据缓冲区包含什么？是否有从波形中抓取的 16 位样本值？这是我现在的基本问题。

缓冲区通常包含以下数据：PCM Waveform-Audio Data Format

我确实像你说的那样：我将样本拆分为通道，我使用带符号的 short 来存储每个通道样本 2 个字节，但似乎真正静音的值与声音（和声音声音很大，大约停止了电视的规模）。值范围为 -80 - +80。我使用了你提供给我的那个网站的信息。

那么音频媒体类型是什么（WAVEFORMATEX结构字段）？我假设是 16 位，但您应该指定。

是16。可能是声卡驱动的问题。因为它无法识别 AC-3 声音（我不得不在电视中切换到 PCM）。