问题标签 [audio-analysis]

我需要找到一个样本的频率，以字节数组的形式存储（在 vb 中）。样本是一个正弦波，已知频率，所以我可以检查），但数字有点奇怪，而且我的 maths-foo 很弱。值的全范围 0-255。99% 的数字在 235 到 245 的范围内，但有一些异常值低至 0 和 1，其余 1% 中高达 255。我如何对其进行标准化以消除异常值，（计算 235-245 区间，因为它可能会随着不同的样本而变化），然后我如何计算过零以获得频率？抱歉，如果这个描述是垃圾！

对于不熟悉 Verizon 的 SongID 程序的任何人，它是一个免费的应用程序，可通过 Verizon 的 VCast 网络下载。它会在歌曲的任何时候听一首歌 10 秒钟，然后将此数据发送给一些无所不知的算法野兽，它会咀嚼它并将所有 ID3 标签（艺术家、专辑、歌曲等）发回给你。

前两部分和最后一部分很简单，但是在发送录制的声音之后的处理过程中发生了什么？

我认为它必须获取声音文件（什么格式？），解析它（如何？用什么？）一些关键标识符（这些是什么？波函数的常规属性？相位/位移/幅度/等），并检查它针对数据库。

我在网上找到的所有关于它是如何工作的都是通用的，就像我在上面输入的一样。

来自audiotag.info

该服务基于复杂的音频识别算法，结合了先进的音频指纹技术和大型歌曲数据库。当您上传音频文件时，音频引擎正在对其进行分析。在分析过程中，通过将其与音乐数据库进行比较来提取和识别其音频“指纹”。在此识别过程完成时，屏幕上会显示有关歌曲及其匹配概率的信息。

我想要做的是有一个子程序，它每 200 毫秒分析一次它给出的声音文件，并将特定频率范围的频率强度值（从 0 到 1 作为浮点数）吐出到我稍后的数组中节省。然后，该值将继续用作应该“频闪”到音频文件的图形的不透明度值。

问题是，我以前从未涉足音频分析，也不知道从哪里开始。我看过 pymedia 和 scipy/numpy 认为我可以使用 FFT 来实现这一点，但我不确定如何操纵这些数据以得到预期的结果。pymedia 的 SpectrAnalyzer 类的文档几乎不存在，并且网站上的示例实际上不适用于该库的最新版本 - 这并没有让我的生活更轻松。

我将如何开始这个项目？对于我什至应该使用哪些库，我完全不知所措。

我是音频分析的新手，但需要执行一项（看似）简单的任务。我有一个包含 16 位录音（单通道）和 44100 采样率的字节数组。如何执行快速分析以在任何给定时刻获取音量？我需要计算一个阈值，所以如果它高于某个幅度（音量），则函数返回 true，否则返回 false。我以为我可以遍历字节数组并检查它的值，其中 255 是最响亮的，但这似乎不起作用，因为即使我不记录任何东西，背景噪音进入并且一些数组充满了255. 任何建议都会很棒。谢谢

我正在考虑开始使用简单的移动应用程序开发。Corona SDK看起来非常适合我想玩弄的一些想法。我想知道是否可以用它进行实时音频分析？例如，我可以用 Corona 构建一个简单的吉他调音器吗？

我目前正在开发一个程序，该程序分析独奏音乐家演奏乐器的 wav 文件并检测其中的音符。为此，它执行 FFT，然后查看生成的数据。目标是（在某个时候）通过编写一个 MIDI 文件来制作乐谱。

我只是想就它可能有什么困难得到一些意见，是否有人以前尝试过，也许有一些东西可以研究一下。目前，我最大的困难是并非所有音符都纯粹是一个频率，而且我还无法检测和弦；只是一个音符。我检测到的音符之间也必须有一个停顿，所以我确定一个已经结束，另一个开始了。对此的任何评论也将非常受欢迎！

这是我在从信号中进入新帧时使用的代码。它寻找样本中最主要的频率：

我正在寻找使用 Python 计算一段音频的响度——可能是通过提取一段音频的峰值音量，或者可能使用更准确的测量值（RMS？）。

最好的方法是什么？我看过pyaudio，但这似乎并没有达到我想要的效果。看起来不错的是ruby​​-audio，因为这似乎已经sound.abs.max内置在其中了。

输入音频将取自各种持续时间约为 30 秒的本地 MP3 文件。

在 iOS 上，是否可以以解压缩格式获取用户的音频流？例如，将 MP3 作为可用于音频分析的 WAV 返回？我对 iOS 平台比较陌生，我记得在旧的 iOS 版本中这是不可能的。我读到 iOS 4 引入了一些高级 API，但我不确定在哪里可以找到这些的文档/示例。

我在这里看到了各种 FFT 问题，但我对部分实现感到困惑。我不想实时执行 FFT，而是想离线执行。可以说我有原始数据float[] audio。采样率为 44100，因此audio[0] to audio[44099]将包含 1 秒的音频。如果我的 FFT 函数处理窗口（例如 Hanning），我是否只需将整个audio缓冲区一次性放入函数中？或者，我是否必须将音频切成 4096（我的窗口大小）的块，然后将其输入到 FFT 中，然后在顶部执行窗口功能？

我想在 iOS 上离线处理音频，但对内存使用情况有疑问。如果我使用 AVAssetReader 将 MP3 解压缩为原始 PCM 数据，那么内存占用会很大。那么，如果解压缩会导致应用程序使用过多内存，我将如何处理（离线 FFT）一个 mp3 文件？我想我必须以某种方式流式传输它，但我不知道如何在 iOS 中做到这一点。