如何找到两个不同音频样本之间的比例？

Posted 2023-02-25

【中文标题】如何找到两个不同音频样本之间的比例？

【英文标题】：How do I find a scale between two different audio samples?

【发布时间】：2017-06-01 14:43:11

【问题描述】：

我打算制作一个分析音频样本的通用应用程序。当我说“通用”时，我的意思是任何技术（javascript、C、Java 等）都可以使用它。 基本上，我使用 Apple 的 AVFoundation 在 ios 上制作了一个应用程序，它可以实时接收长度为 512（bufferSize = 512）的麦克风样本。 在 Python 中，我使用 PyAudio 做了同样的事情，但不幸的是我收到了非常不同的值......

查看示例：

Samples of bufferSize = 512 on iOS:

[0.0166742969, 0.0181432627, 0.0184620395, 0.0182254426, 0.0181945376, 0.0185530782, 0.0192517322, 0.0199078992, 0.0204724055, 0.0212812237, 0.022370765, 0.0230008475, 0.0225516111, 0.0213304944, 0.0200473778, 0.019841563, 0.0206818394, 0.0211550407, 0.0207783803, 0.020227218 ....

Samples of bufferSize = 512 on Python:

[ -52.  -32.  -11.   10.   24.   31.   37.   38.   33.   25.   10.   -4.
  -18.  -26.  -29.  -39. ....

更多：

https://pastebin.com/jrM2VWXR

Python 代码：

https://gist.github.com/denisb411/7c6f601175e8bb9f735d8aa43a0db340

在这两种情况下，我都使用同一台计算机。

如何找到一种方法将它们“转换”（不知道这是否正确）到相同的比例？

如果我的问题不清楚，请通知我。

【参考方案1】：

音频样本通常以 16 或 24 位进行量化。但是对于这些样本的取值范围有不同的约定：

如果要在 8 位上量化，样本通常会存储为无符号字节，范围从 0 到 255 如果要在 16 位上量化，样本通常会存储为 2 的补码有符号整数，范围从 -32768 到 32767 如果要在 24 位上量化，样本通常会存储为无符号整数 等

基本上，当您决定存储样本时，您有两个参数：

签名或未签名 整数或浮点数

每个都有其优点和缺点。例如，将浮点数存储在 [-1, 1] 范围内的优点是，将两个样本相乘总是在 [-1, 1] 的相同范围内……

因此，要回答您的问题，您只需更改打开 PyAudio 流的格式。目前，您使用format=pyaudio.paInt16。尝试更改它pyaudio.paFloat32，您应该会获得与您的 iOS 实现相同的数据。

【讨论】：

非常感谢。这解决了我的问题。作为补充，我不得不在 wave.struct.unpack 中使用 'f' 而不是 'h'。

如果可能的话，你能再澄清一个疑问吗？要将这些 float32 值转换为 db，我只需 10*log10(sample) 每个值？这是有效的吗？我想对这些样本进行 fft，对数刻度会非常有利于我。

如果您的样品在无符号浮动刻度上，这将起作用。否则，您将不得不缩放您的样本。最大样本值应为您提供 0dB，最小样本值应为 -inf dB。只需找到 a 和 b 以便 "a * min_sample_value + b = 0" 和 "a * max_sample_value + b = 1"