Sox (瑞士军刀)使用哪种算法来消除静音和噪声

Question

我试过用Sox来消除音频文件中的静音和噪音。我想知道它的技术细节，以了解它。在专业软件可以依赖它之前理解它是很重要的(我知道它工作得很好，并且已经被很多人使用过了)

当使用Noise Profile对噪声进行采样，然后使用Noisered删除噪声时，Sox在此过程中到底做了什么？同样，当添加VAD效果时也是如此。有没有技术上的解释，或者发表了一些我可以读懂的论文。

Answer 1

我有信号处理的背景，因为我的研究(语音和音乐的科学基础，通信科学)，并刚刚研究了sox的降噪算法的代码。

在不进行深入分析的情况下，它似乎正在对噪声分布和原始信号进行FFT，然后从原始信号中减去第一个，然后再次执行FFT合成，以重新创建与原始信号相似的信号。

通过这个过程，它应该减少所有频率的数量，因为它们出现在噪声信号中。

整个过程似乎是逐个窗口完成的，这应该允许流式传输。

正如我所说的，这只是基于我的背景知识和我对代码的简短浏览，所以可能有一些方面我没有掌握。

编辑：

我还看了一眼VAD代码；该代码似乎监视频谱中出现在指定范围内的频率，如果是，则将其声明为"voice“。然后，所有未声明为“语音”的部分(窗口)将被静音(AFAICS)。这将有效地消除纯语音记录中的所有背景噪声。