如何检测原始声音文件中的声音？

Question

我正在开发一个软件，可以自动记录和提取我的声音中的每一个单词。我用port音频库来解决这个问题。但是我被困在检测声音上:我设定沉默的值为零，所以如果有一个样本是零，它必须是一个声音的起点或终点。但是当我运行它时，这个程序创建了许多单词。我认为，因为我通过port音频读取的值是原始数据，所以不能这样处理。我说的对吗？我怎么才能修好它？顺便说一下，我正在用C++ :D编写代码

Answer 1

要检测PCM流中是否存在信号，您可以检测它。正如dprogramz所说，你的声卡的噪音地板可能并不完美，所以会有一些噪音信号被记录下来(即使没有麦克风连接)。

解决方案是使用沃克斯或瓦德算法来检测语音的存在。VOX可能是很棘手的，因为在大多数消费级电子产品中，噪音地板很低，相对于信号而言，对人的耳朵来说是“安静”的。这意味着噪声地板和信号之间的振幅差异可能很小。如果您的声卡有AGC打开，这会使它更加困难，因为噪音地板可能移动。话虽如此，VOX可以成功地在消费级设备上实施。只是需要付出更多的努力才能确定门槛。如果做得最好，则在流处于活动状态时定期计算阈值。

如果我这样做，我会实现一个VAD算法。由于您的目标是检测您的声音，这应该提供一个可靠的结果，无论您使用的设备。

Answer 2

我不认为这是因为它是一个原始的价值。原始声音文件是频率和音量信息的比特流。

但是，这个值很少(如果有的话)为零。你必须考虑到有少量的电噪音，是由麦克风。找出你麦克风的“空闲”dB (当你不对它说话时，只需测试它的水平)。然后，您需要设置一个静默阈值(对于一定数量的样本，设置在一定的dB级别以下)来检测开始/结束。试图检测零值几乎是不可能的。