我正在使用 marf 的 SpeakerIdentApp 进行音频分析。我想用比 speakerIdentApp 提供的更多数据来探索它。我尝试使用以下位置的一些波形文件：http : //www.wavsource.com/ 但这些文件不受 marf 支持。

然后尝试 SOX 将文件转换为 16 位。但是文件是 MP3 编码的，它不支持 mp3 编码 wav 文件。

所以我的问题是找到 marf 16-bit wave files 支持的数据。

我正在使用具有 4 个麦克风输入的外部声卡设备，它通过 USB 连接到我的笔记本电脑。所以我需要对来自麦克风的音频进行采样，并制作一个条形图或任何图形，显示哪个麦克风捕获了第一、第二、第三和第四个声音！我曾想过在 csv 文件中捕获该信息，然后制作图表？请问有什么帮助吗？

Thank you!!

对于像 OpenAL 麦克风捕获产生的声波输入，如何检测波中的“平均”音高？（例如，如果它是 440 赫兹的小提琴录音，我想返回 ~440 赫兹）。什么是最基本/最直观的方式？有理由使用不同的方法吗？

谢谢

我有带有录制节拍器的 PCM 文件。我想以编程方式检测文件中的节拍器节拍。我怎样才能做到这一点？你能推荐一些算法或声音分析库吗？

我正在使用 aAnalyserNode来分析 a 提供的音频MediaElementAudioSourceNode。有没有办法对未来播放 x 秒的音频进行采样和分析？

我正在用 Python 进行音频分析。我的最终目标是获取频率列表及其各自的音量，例如{ frequency : volume (0.0 - 1.0) }.

我将音频数据作为帧列表，其值介于-1.0和之间+1.0。我在这个列表中使用了 numpy 的傅立叶变换—— numpy.fftpack.fft()。但结果数据对我来说毫无意义。

我确实了解傅立叶变换从时域转换到频域，但在数学上并不完全是这样。这就是为什么我不太了解结果的原因。

• 返回的列表中的值numpy.fftpack.fft()是什么意思？我如何使用它/解释它？
• 如上所述对列表执行的傅立叶变换的最大/最小值是多少？
• 如何以表格形式实现字典的最终目标{ frequency : volume (0.0 - 1.0) }？

谢谢你。抱歉，如果我对傅立叶变换的理解不足让您大吃一惊。

我正在尝试在 iOS7 上创建一个实时音频分析器。我希望得到的是来自 iPod Touch Gen 5 上的本地麦克风的音量和音高，并连同时间戳一起写入 CSV。我想把它分成 7 个通道，并以 8Hz 采样。我查看了一堆文档和代码示例，但无法正常工作。

我现在正试图从头开始做一些简单的事情，但在我看来，没有什么可以概述我如何实现我上面提到的。

最近，我尝试AVAudioSessionCategoryAudioProcessing希望能够将其用于信号处理，但音频会话文档建议只能进行自动信号处理......并且只能在语音或视频聊天模式下进行。

音频会话是否有一种简单的方法来获得我正在寻找的东西？

问题

想要检测来电是由人还是机器应答。

细节

我正在使用 Twilio。Twilio 确实有这个功能。但是，在他们的系统中实现它的方式似乎不适合我的用例。

Twilio 使用应答机检测来控制呼叫流程。因此，Twilio 会在呼叫连接后等待几秒钟，以分析呼叫中的音频以查看它是否是应答机。在延迟呼叫并执行此分析之前，它不会继续连接呼叫。

对于我的用例。电话由人或机器接听的天气不会影响通话流程……因此无需延迟。它只影响以后需要的统计信息。即在这种情况下“我付钱接听电话的人实际上接听电话的频率是多少，而不是错过电话并让它转到语音邮件？”

所有来电都转接到电话。一般是手机。

问题

有没有办法在事后检测呼叫是否由人或机器接听，但使用 Twilio 不会延迟？

如果没有，是否有另一种我没有想到的模式可以用来实现相同的目标？（检测员工接听电话的频率，而不是未接电话的频率）

我考虑过的其他事情

• 延长手机响铃次数，然后让 Twilio 接收语音邮件，而不是手机提供商的语音邮件。
  • 此解决方案的问题在于，许多手机提供商不允许您更改在语音邮件接听之前电话响铃的次数。更难的是不设置响铃次数。手机供应商可能需要或多或少的时间来定位电话，这将计入电话在进入语音邮件之前响铃的时间。
• 在我自己的应用程序中实现应答机检测 (Python)
  • 这可能是一个可行的替代方案。这里的问题是，我对如何使用 Python 来分析音频文件以查看它听起来像是人还是机器拾起的知之甚少。

我想aubiopitch用来连续输出来自输入源的信号频率。因为aubiopitch喜欢让它的输入是一个文件，而不是一个流，所以我尝试使用进程替换：

我希望这能输出从我的默认音频输入设备读取的信号频率。相反，我得到了这个：

问题似乎不在于sox，因为此命令工作正常：

它创建了一个output.wav似乎没有什么问题的文件，aubiopitch当然除了：

这里发生了什么？RIFF 标头的长度设置是否错误？

如果重要的话，我正在运行 OSX 10.7.5 并且我重新编译了 aubio 以使用我的旧 OSX 版本。

我正在尝试使用 android 中的 AudioRecord 对象将音频数据记录到字节数组中，同时对记录的数据进行一些分析。但我不确定该怎么做。如果我直接使用字节数组，应用程序就会崩溃。我需要一个字节数组作为分析线程的输入我对 android 开发相对较新，我将不胜感激有关此主题的任何帮助。谢谢