在给定时间查找 .wav 的“音量”答案

【问题标题】：Finding the 'volume' of a .wav at a given time在给定时间查找 .wav 的“音量”
【发布时间】：2012-01-07 02:50:17
【问题描述】：

我正在为我的第四年项目（处理函数响应式编程）开发一个小型示例应用程序。这个想法是创建一个可以播放 .wav 文件的简单程序，然后显示正在播放歌曲的当前音量的“弹跳”动画（就像在录音软件中一样）。我在 Scala 中构建它，所以主要关注 Java 库和现有解决方案。

目前，我已经设法轻松播放 .wav 文件，但似乎无法实现第二个目标。基本上有一种方法可以解码 .wav 文件，这样我就可以通过某种方式访问任何给定时间的“音量”？按体积，我想我指的是它的幅度，但我可能错了 - 高等物理学是前一阵子......

显然，我对此一无所知，所以如果有人能指出我正确的方向，那就太好了！

【问题讨论】：

查看诸如 RMS 和 dB 之类的东西。
these 之类的东西可能是一个合适的视图。

标签： java scala audio signal-processing wav

【解决方案1】：

在数字音频处理中，您通常指的是信号的瞬时峰值幅度（也称为PPM -- peak programme metering）。根据您想要的准确度或您是否希望对某些标准化计量建模，您可以

只需使用样本帧的滑动窗口（找到每个窗口的最大绝对值）
实施某种峰值保持机制，将最后一个峰值保留给定持续时间，然后开始使该值“下降”给定的每秒分贝数。

另一种测量模式是 RMS，它是通过在某个时间窗口上积分计算得出的（将平方样本值相加，除以窗口长度，然后取平方根，即均方根 RMS）。这可以更好地了解信号的“能量”，比峰值测量更平滑，但不能捕获观察到的最大值。这种模式有时也称为VU meter。您可以使用一种滞后（低通）滤波器来近似此值，例如y[i] = y[i-1]*a + |x[i]|*(a-1)，对于一些价值0 < a < 1

您通常以对数形式显示这些值，即在 decibels 中，因为这更符合我们对信号强度的感知，而且对于大多数信号来说，您的屏幕空间的覆盖范围也会更加规则。

我参与的三个项目可能会对您有所帮助：

ScalaAudioFile，您可以使用它从 AIFF 或 WAVE 文件中读取样本帧
ScalaAudioWidgets 这是一个仍然年轻且不完整的项目，它在 scala-swing 之上提供一些音频应用程序小部件，包括 PPM 视图 - 只需使用滑动窗口并将窗口的当前峰值（以及可选的 RMS）设置为常规间隔，视图将处理峰值保持和下降时间
(ScalaCollider，SuperCollider 声音合成系统的客户端，您可以使用它来回放声音文件并实时测量峰值和 RMS 幅度。后者可能对您的项目来说是一种过度杀伤，并且会涉及如果您从未听说过 SuperCollider，则需要一些认真的学习曲线。优点是您无需担心声音播放与仪表显示同步）

【讨论】：

ScalaAudioFile 看起来很棒，所以我决定使用它。关于如何获得每一秒 wav 的幅度，您有什么帮助吗？我目前正在这样做（制作一个值数组）：gist.github.com/1398345

【解决方案2】：

在 wav 文件中，流中给定点的数据是音量（移动了动态范围的一半）。换句话说，如果您知道 wav 文件的类型（例如 8 位、单声道），每个字节代表一个样本。如果您知道采样率（例如 44100 HZ），则将时间乘以 44100，这就是您要查看的字节。

字节的值是体积（到中间的距离.. 0 和 255 是峰值，127 是零）。这是假设编码不是 mu-law 编码。我在这里找到了一些关于如何区分这些格式的好信息，或者更好的是，在这些格式之间进行转换：

http://www.gnu.org/software/octave/doc/interpreter/Audio-Processing.html

您可能希望在某个固定数量的样本窗口上对这些样本进行平均。

【讨论】：

“流中给定点的数据就是体积。” 不，不是。不是OP所指的那种卷。例如。信号中的“平线”值 127 不是全音量，而是 0 音量。
是的..我试图在第二段中说明这一点..我将进行编辑以澄清；但是，即使这样也很简单，因为这并没有考虑到 mu-law 编码的可能性..
您混淆了伸长率和振幅。声音文件中的帧代表采样的伸长率。例如，正弦波y[i] = sin( omega * i ) 的伸长率在 -1 和 1 之间振荡，而幅度是恒定的 (1)。按体积，您指的是某种幅度测量。
不正确。我很确定我没有混淆任何东西。小心你的想法。数字音频的质量必然是有限的，因此动态范围受到限制。这些限制是你与其他东西混淆的地方。样本的名称完全一样：瞬时体积的“样本”。扬声器线圈需要正负信号（前后移动）。原始数字音频只是扬声器线圈在任何时刻都应获得的功率（移动了动态范围的一半，因此正负区域的动态范围相等）。