问题标签 [audio-analysis]

当我在 C# 中输入音频文件时，我想获得一个频率数组。我从来没有做过任何与这个话题相关的事情，所以我是个菜鸟。如果问题太宽泛，请帮我缩小范围。

我有一个包含人声录音的 wav 文件。我想计算所说单词的平均频率。通常男性声音高达200hz，女性声音略高。例如。我想要像 170 赫兹这样的答案，但我不知道该怎么做。请帮我。

我需要使用 Librosa 找到峰值的能量，以便检测每个小节的第一个节拍。

我正在使用 Librosa 来检测点击轨道中的音频节拍。这运行良好，但我现在希望检测每个小节的第一个节拍。我相信最好的方法是检测每个节拍的能量或音高。

目前我正在将所有节拍记录到一个数组中。如何检测每个小节的第一个节拍？

Python 3.6 Ubuntu 18.04

使用 pyaudio 模块，我已经成功录制了从扬声器发出的音频，并且为了测试，我已经能够正确地将其保存到 WAV 文件中。这是一个更大的多线程应用程序的一部分，所以我很高兴看到协调按计划进行。不过，现在我想对数据进行一些音频分析，以收集音频中存在的主要频率。所以，我有几个问题，一个更笼统，因为我很好奇，另一个更具体到我的问题：

1.) 这是我用来捕获音频帧的代码片段：

我的第一个问题是：audio_frame变量中代表了什么样的数据？我为每个读取操作返回一个 4096 字节的列表（即使AUDIO_FRAME_SIZE_BYTES设置为 1024），这实际上描述了什么？难道都是纯粹的音频数据，通道数和格式等东西需要以后再提供来重新解释？或者4096字节中是否包含类似的信息？

2.) 对此数据执行频率分析的最佳方法是什么？我看到很多关于对 WAV 文件内容执行 FFT 的最佳方法的信息，但我想实时执行此操作，或者接近它。我看不到同时打开一个 WAV 文件进行读写的方法，所以我基本上无法通过那里传递它。我可以对 中的原始数据执行此分析audio_frame吗？我想这就是为什么我问我的第一个问题，看看我是否能够遵循这个 SO 答案中的一般逻辑，而不必实际写入 WAV 文件。

先感谢您！

我正在尝试对在我的计算机上运行的可视化器进行一些音频分析。

是否可以直接从浏览器访问输出音频数据流？

当前使用three.js 和meyda 库运行JavaScript。

我已经弄清楚如何使用 webAudio API 来分析来自麦克风的输入，但似乎无法访问我计算机上的音频输出。

我尝试使用将源连接到目标

但这似乎无济于事。

这是我们当前的监听器配置：

我有一个使用Azure 媒体服务广播视频流的项目，当广播结束时，它会将生成的资产提供给作业以从中提取见解。

问题在于它完美地生成了所有洞察数据，但转录（语音转文本）仅能运行 10 分钟。

我可以看到视频在 30 分钟时分析的缩略图：

但成绩单总是在 10 分钟标记处停止生成数据

广播在我嵌入网站的 AMS 播放器中正确显示，如果我下载广播文件并使用试用帐户将其上传到videoindexer.ai，它会为整个视频生成脚本 OK。

视频索引器选项在那里，但我想避免将另一个服务和 API 链接到应用程序中，因此欢迎任何克服 10 分钟限制的帮助。

我需要使用一小部分音频从视频中知道确切的时间范围位置。我更喜欢使用外部 api，使用 google、amazon 或 Microsoft 语音/音频解决方案。任何人都知道我可以使用什么？谢谢。

我有以下结构。我想遍历子文件夹（机器、枪击）并处理 .wav 文件并在每个类别中构建 mfccresult 文件夹和其中的 .csv 文件。我有以下代码，并且 MFCC 文件夹在已经形成的 MFCC 文件夹中不断形成。

我正在尝试分析音频文件并根据提取的特征训练系统，但在拟合模型时出现错误，提示“元组索引超出范围”。我在打印语句旁边的注释中提供了我正在使用的所有数组的形状。你能帮我理解在定义模型时如何定义尺寸吗？

如果需要更多详细信息，请告诉我。

- - - - - - - - - -错误 - - - - - - - - - - - - - - - ----------------------

我有一个系统，可以将吉他和弦的声音记录到 Arduino。每个和弦的结果是一个 0 到 1024 之间的数字数组。所以一个数组代表一个音频频谱。我将每个数组发送到 nodeJS 服务器。我想计算每个音频频谱的包络，但我不知道如何实现。如果可能的话，我更喜欢使用 javascript 解决方案，因为我的服务器使用 javascript。

我添加了一张近似图。我拥有的是蓝色数据；我想要的是一个包含红色数据的数组。