时间戳

首页 > 解决方案 > 将录制的音频转换为数字数据

java - 将录制的音频转换为数字数据

问题描述

我正在制作一个 Java 个人项目，您可以在其中录制自己唱歌的歌曲，该程序将加载一首与该旋律最匹配的歌曲（从预先选择的小选择中）。到目前为止，我已经实现了用户使用 Java Sound API 将音频文件录制为 WAVE 文件的功能。我已经看到，对于音频相似性，可以在音频文件之间执行相关性，并通过测量相关图中是否存在高幅度峰值，可以确定音频文件是否相似。

我在信号处理堆栈交换https://dsp.stackexchange.com/questions/736/how-do-i-implement-cross-correlation-to-prove-two-audio-files-are-similar中阅读了以下帖子 其中谈到使用快速傅立叶变换来完成卷积（适用于延时音频的相关性）。我已经在 Github 上导入了 JTransforms 项目以使用 FFT，但我不确定如何将 WAVE 文件转换为可用于执行相关或卷积的数字表示（类似于大型值数组）。非常感谢任何有关如何解决此问题的建议！

标签： javaaudiosignal-processingfftwaveform

解决方案

要阅读 .wav，您将使用 .wav 类AudioInputStream。教程“使用文件和格式转换器”中提供了一个示例，这是文章中的第一个代码示例，位于“读取声音文件”部分。

下一个障碍是将字节转换为有意义的 PCM。在上面的代码示例中，有一个注释行，内容如下：

  // Here, do something useful with the audio data that's 
  // now in the audioBytes array...

这就是您可以将字节转换为 PCM 的地方。确切的算法取决于您可以通过AudioInputStream'sgetFormat方法检查的格式，该方法返回一个AudioFormat.

该格式将告诉您每个 PCM 值有多少字节（例如，16 位编码是每个 PCM 值两个字节）和字节顺序，可以是小端或大端。如果音频是立体声，则 PCM 值在左右交替。

从字节构建 PCM 值涉及位移。我猜你知道如何处理这个问题。假设数据是有符号 PCM 格式，创建 16 位值的自然结果将是有符号短整数。因此，最后一步通常是除以 Short.MAX_VALUE 以将短裤转换为从 -1 到 1 的有符号浮点数。

推荐阅读