检测录音中的不同声音/来源答案

【问题标题】：detect different sounds/sources in audio recording检测录音中的不同声音/来源
【发布时间】：2014-03-31 14:12:15
【问题描述】：

我需要一些关于我对 UNI 项目的想法的建议。

我想知道是否可以将音频文件拆分为来自不同音频源的不同“流”。例如，将音频文件拆分为：引擎噪音、火车噪音、人声、不同的声音，等等。

我不一定需要通过编程语言来执行此操作（尽管它会很理想），但也可以通过使用 Sound Forge 等声音处理软件手动执行。不过，我需要先知道这是否可行。我对声音处理一无所知。

第一阶段完成后（分离声音），我想确定一个处理过的声音是否存在于另一个录音中。目的是声音检测。对于（一个理想的）示例，获取汽车发动机声音并将其与另一个文件进行匹配，并确定该音频是否是汽车发动机的录音。它不需要那么精确，我想检测一个不恒定的声音，比如喇叭！也可以。

我会做编程部分，我只需要一些关于寻找什么的指针（软件、数学等）。由于我不是声音专家，如果可能的话，这确实是一个有趣的项目。

谢谢。

【问题讨论】：

评论：您可能会找到最接近的匹配项之一是 Melodyne。看起来有点像音频编辑器；是……实际上令人敬畏。过去常常做一些不可能的事情，比如从音乐中近乎完美地提取人声和样本。非常昂贵:)（而且肯定在我的待办事项定位-复制和尝试列表中...）

【解决方案1】：

这种基于源分割声音的问题在研究中被称为（音频）源分离或音频信号分离。如果没有关于声源或它们如何混合的更多信息，则这是一个盲音源分离问题。有数百篇关于这些主题的论文。

但是，出于声音检测的目的，通常不需要在音频级别上分离声音。很多时候，人们可以（并且将会）对基于混合信号计算的特征进行检测。搜索声学事件检测和声学事件分类的文献。

有关该主题的介绍，请查看 Computational Analysis of Sound Scenes and Events 之类的书

【讨论】：

【解决方案2】：

从单个音频流中自动进行源分离是非常困难的。您的大脑非常擅长这项任务，而且还受益于立体声信号。

例如。语音中充满了并非一直存在的信号。汽车噪音有相当固定的成分，但换档是异常值。

很遗憾，没有简单的答案。

【讨论】：

确实，我希望手动完成声音的分离会很痛苦（如果自动完成，甚至是不可能的）。这就是为什么我想处理数量有限的声音，我必须将它们分离并用于第 2 步。谢谢。
@user3481244：也许我应该更详细一点。没有像 hte 引擎声音这样的东西，有各种各样的引擎声音。即使在混合信号中也很容易识别类。但是您没有完全匹配，因此您无法减去确切的引擎声音。而当你减去一个估计值时，误差相对于原始声音可能很小，但相对于剩余的声音它并不小。

【解决方案3】：

将参考信号与音频流相关联。使用 FFT 可以有效地完成相关性。相关性计算的输出可以及时进行阈值处理和“去抖动”以进行信号识别。

【讨论】：