音频文件中的样本如何对齐？

Posted 2023-02-25

【中文标题】音频文件中的样本如何对齐？

【英文标题】：How samples are aligned in the audio file?

【发布时间】：2020-11-26 15:36:23

【问题描述】：

我试图更好地了解音频文件中的样本是如何对齐的。

假设我们有一个带有sampling rate = 3 的2s 音频文件。 我认为有三种可能的方法来对齐这些样本。看看下图，你能告诉我哪个是正确的吗？

另外，这是所有音频文件的标准还是不同格式有不同的规则？

干杯！

【参考方案1】：

音频中的采样率通常会告诉您一秒钟内有多少个样本，一个称为赫兹的单位。严格来说，正确答案是 (1)，因为您在一秒钟内有 3 个样本。假设没有延迟，PCM 和其他格式规定音频从0 开始。下一个“周期”（下一秒）也从零开始，原理与时钟相同。

要获得音频的总长度（评论中的以下问题），您只需使用number of samples / rate。使用 soxi 的 30 年代 WAV 示例，这是社区中用于声音处理的规范工具之一：

Input File     : 'book_00396_chp_0024_reader_11416_5_door_Freesound_validated_380721_0-door_Freesound_validated_381380_0-9IfN8dUgGaQ_snr10_fileid_1138.wav'
Channels       : 1
Sample Rate    : 16000
Precision      : 16-bit
Duration       : 00:00:30.00 = 480000 samples ~ 2250 CDDA sectors
File Size      : 960k
Bit Rate       : 256k
Sample Encoding: 16-bit Signed Integer PCM

480000 samples / (16000 samples / seconds) = 30 seconds 完全正确。引用手册，持续时间是“相当于样本数除以采样率。”

【讨论】：

谢谢卢卡斯。这确实有道理，但如果 #1 是正确的，那么我该如何测量音频的持续时间？是number_of_samples / rate吗？如果是这样，这意味着最后一个样本不在音频的确切末尾。它是否正确？那么计算样本时间的公式是什么？这是正确的吗：time = sample_idx / (rate + 1)（样本从 0 开始索引）。

@msmialko 公式number_of_samples / rate 是正确的，单位为samples / (samples / seconds) = seconds，假设速率为Hz。根据定义，最后一个样本是音频的结尾 - 为什么不是？

如果持续时间的公式如您所说，那么示例＃3不是样本的正确对齐方式吗？在示例 #1 中，最后一个样本实际上在 2 秒标记之前。总共有 6 个样本，以 3Hz 频率记录。这不应该意味着最后一个样本正好是 2s 吗？

2s 标记是新周期的开始，同样0s 是开始。如果在示例 #1 中有一个位于 2s 的样本，则意味着 who 样本的长度超过 2 秒。三者的正式长度是相同的。请记住，在此推理中，您尝试将连续测量框架（时间以秒为单位）应用于离散测量，这可能会导致解释问题（由于不连续性）。

我想考虑每个样本的“持续时间”是准确的，可以定义为1 / frequency。在我们的示例中，它是1/3 sec，它是样本之间的时间。因此总的音频时长可以定义为last_sample_timestamp + sample_duration。我的直觉是它是正确的，因为在最后一个样本之后波被内插到0，并且也需要时间。