【发布时间】：2015-07-06 10:13:12
【问题描述】：
我想通过更改 Mac OS X 上的采样率来更改录音的频率。
这是一个针对口吃者的研究项目。延迟非常低很重要——例如，这就是我不考虑快速傅立叶变换的原因。相反，我想以 44kHz 的速率收集样本，然后做以下两件事之一：
1) 以两倍的速度播放样本（即 22kHz）。这将导致与源的异步性增加。如果我可以每隔 1 秒左右重新开始采样以防止异步变得过于明显，那将很有用。
2) 以两倍的速度播放样本。显然，不可能连续执行此操作（即无法播放尚未收集的样本）。为了解决这个问题，我打算用方波来控制回放。采样的播放速度将是方波峰值期间记录的两倍。在方波波谷期间不会听到任何声音（但仍会收集样本）。
我准备了一份 PDF 文件，在这里更详细地描述了该项目：
https://www.dropbox.com/s/8u3tz7d9hhxd3t9/Frequency%20shift%20techniques.pdf?dl=0
一位朋友帮助我使用 PortAudio 进行了一些编程。不幸的是，我们的延迟很长。我认为这可能是因为 PortAudio 的工作水平太高了。从代码来看，在我看来，PortAudio 似乎正在缓冲传入的音频流，然后进行与我上面描述的类似的修改，但实际上是对缓冲流的操作。
这根本不是我想要的。处理单元尽可能少地执行是至关重要的。参照上述条件（1）和（2），计算机要做的就是（1）不做任何操作，以两倍的速度播放样本；或 (2) 存储传入的样本，然后以两倍的速度播放它们。不应该有任何其他处理。我认为这是获得我正在寻找的极低延迟的唯一方法。
我想知道直接在 OS X 的 Core Audio 中尝试这样做会比使用 PortAudio 更好吗？这将限制平台兼容性。但低延迟比兼容性更重要。
我是否能够使用音频单元等中级服务来做我想做的事？或者我是否需要直接为 I/O Kit 等低级服务编写代码？我该怎么办？
【问题讨论】：
-
如果您无论如何都要每秒关闭半秒，为什么延迟很重要？如果您以不同的音高合成语音并近乎实时地进行，那会好得多。这是一种常见的效果。请记住，尽管您正在与物理作斗争。在捕捉到一些完整的波形之前，您无法知道某物的音高，因此您无法毫无延迟地移动。此外，还有很多 50 到 100 美元的效果器可以为您做到这一点，而无需编写软件。
-
我对脑干神经元的实时响应时间很感兴趣。这大约是 1ms。通过操纵波形引入 10 毫秒或更长的延迟是不好的。我可以无延迟地进行频移，类似于电唱机的工作方式。当您放慢唱片的旋转速度时，频率会下降。没有任何延迟。 Delta-sigma 声卡在 0.25ms 内完成模数转换，往返时间为 0.5ms。我想要的是让输入的样本播放得更慢。没有其他操作。以一种速率记录，然后以较低的速率输出。
-
您会发现没有计算机音频可以在如此低的延迟下工作。您需要专用硬件。我很遗憾地说，您以如此小的延迟降低频率是错误的。对于 1 kHz 的一个波长，您需要一整毫秒。如果将其降低一个八度至 500 Hz，则仅一个波长就需要 2 毫秒。大脑对声音的反应不会这么快。您无法感知单个波长的音高。再说一次，如果你放慢采样率，那有什么意义呢？你会很快造成延迟。
-
谢谢布拉德 - 也许我没有很好地解释自己。 PDF 中有更多详细信息：tinyurl.com/lhjguv8 我实际上是在复制 1987 年进行的一项实验。它完全使用了我描述的过程：通过以比记录速度慢两倍的速度输出样本，在接近零延迟的情况下进行频移。在当时最先进的硬件上，采样率非常低（12kHz）。 Delta-sigma 转换器在 0.25 毫秒内将模拟数字化。如果计算机只将模拟转换为数字然后再返回，则这提供了 0.5 毫秒的往返时间。因此，可以实现低于 1 毫秒的延迟。
-
这是一篇文章的链接，该文章描述了人类以 0.01 毫秒的精度检测声音：tinyurl.com/kt26kwy 虽然您说您需要一整毫秒才能将信息记录在1kHz 的波长（几乎可以肯定感知它的时间更长），大脑可以更快地对声音做出反应。这仅适用于脑干中的神经元，而不适用于皮层中的神经元。我们真的不知道脑干神经元是如何让我们感知音高的，而这是我试图找出的事情之一。
标签： macos audio core-audio audiounit portaudio