时间戳

首页 > 解决方案 > 如何在现场系统声音中识别声音“峰值”？

python - 如何在现场系统声音中识别声音“峰值”？

问题描述

我想制作一个程序，当系统的基本声音播放任何类型的声音时，它会执行特定的命令。就像你在 facebook 上收到一条消息一样，你会听到一点警报声。我想认识这个“高峰”。在python中怎么可能？

标签： pythonaudio

解决方案

</嘿>

获取您的音频数据

我认为您正在寻找的是以某种方式回送系统输出，以便您可以阅读它，就好像您的操作系统认为它是输入一样。有不同的方法可以做到这一点（取决于你的操作系统）。

但是，由于在您提到您的操作系统是 Windows 8.1 的评论中，您可以使用PyAudio -> PyAudio_portaudio的一个分支：这是普通的PyAudio，但扩展为使用WASAPI将您的 Windows 系统输出回送回您可以在 Python 中检索的内容。

如果我遗漏了任何内容，请参阅有关使用 Python 记录系统输出的其他 SO 帖子，并感谢@mate将链接发布到PyAudio fork。

这是一个快速的解释：

PyAudio 官方版本无法记录输出。但在 Windows Vista 及更高版本中，引入了一个新的 API，即 WASAPI，其中包括以环回模式打开流到输出设备的能力。在这种模式下，流的行为类似于输入流，具有记录输出音频流的能力。

要设置模式，必须设置一个特殊标志（AUDCLNT_STREAMFLAGS_LOOPBACK， https ://msdn.microsoft.com/de-de/library/windows/desktop/dd316551(v=vs.85).aspx ）。由于官方版本不支持此标志，因此需要编辑 PortAudio 和 PyAudio，以添加环回支持。

新选项：“as_loopback”:(true|false)

分析您的数据

这将为您逐块提供数据（以您指定的块大小）。从那里，您可以进行任何您想要的 DSP / 峰值分析，以计算已播放的声音/具有任何属性。

这是一个快速示例，可帮助您开始在 Python 中进行峰值检测。为了获得更准确的结果，也许您可​​以存储要识别的 .wav 文件并执行互相关以查看是否播放了相同的 .wav 文件。

推荐阅读