如何通过 MATLAB 提取 mp3（音频）文件中单词之间的间隔时间？

Question

我正在尝试查找几个 mp3（音频文件）中单词之间的间隔时间 在继续之前，让我解释一下我的音频文件如下：

我要求我的受试者在 60 秒内生成尽可能多的动物名称。我录制了他们的演讲。 因此，所有的 mp3 文件都是动物名称的序列。 （单词，不是连续的句子）

首先，我阅读其中一个文件并通过键入以下内容制作图表：

plot(data);

图表如下：

我认为一些局部最大值是动物命名的候选者。但是，我无法弄清楚并获得动物名称之间的（可能是准确的）间隔时间。 只是峰到峰好吗？或任何其他计算单词间隔的替代方法？ 谢谢:)

Answer 1

你想使用findpeaks

[pks,locs] = findpeaks(data)

您可以通过这种方式找到局部最大值，左右移动直到它下降到某个阈值或某个百分比（因为峰值有一些周长），然后对它们进行排序，并计算它们之间的距离作为减法值之间。

Answer 2

Peak to peak 是对人声段之间的静音段的非常粗略的估计。 @vsoch 建议的阈值方法也并不总是合适的，因为人声段也包含低值和零值。

提取静音片段的传统方法是比较不同片段的能量。您需要将信号分成大约 30 ms 的段（确切的样本数取决于采样率）。您还最好在段之间重叠约 10 毫秒。

为每个部分评估能量。这可以通过sum(segment.^2)（伪代码...）来完成。然后绘制你所拥有的能量，查看并选择将声乐段和无声段分开的阈值。