获取声音文件中给定时间的振幅？

Question

我正在开展一个项目，我需要知道从计算机上的麦克风传来的声音幅度。

我目前正在使用带有Snack Sound Toolkit的Python，我可以录制来自麦克风的音频，但我需要知道音频有多大声。我可以将录音保存到文件中，并使用另一个工具包从音频文件中读取给定时间点的振幅，或者在音频进入时尝试获取振幅（这可能更容易出错）。

是否有任何图书馆或示例代码可以帮助我解决这个问题？我一直在寻找，到目前为止，Snack Sound Toolkit似乎是我最大的希望，但似乎没有办法直接获得振幅。

Answer 1

查看Snack Sound Toolkit示例，似乎有一个dbPowerSpectrum函数。

参考文献：

  

dBPowerSpectrum（）

     

计算声音的对数FFT功率谱（在启动选项中给出的样本编号）并返回dB值列表。有关其余选项的说明，请参阅部分项。可选地，可以使用结束选项给出结束点。在这种情况下，结果是指定范围内连续FFT的平均值。它们的默认间距取自fftlength，但可以使用skip选项更改，该选项指示每步移动FFT窗口的点数。选项：

编辑：我假设当你说振幅时，你的意思是声音对人类来说是多么“响亮”，而不是时域电压（由于正弦波的积分正在进行，整个长度可能为0）例如：10 * sin（t）大于5 * sin（t），但它们随时间的平均值为0.（您不希望无论如何都要向扬声器发送非交流电压））。

要获得声音的大小，您需要确定每个频率分量的幅度。这是通过傅立叶变换（FFT）完成的，它将声音分解为频率分量。 dbPowerSpectrum函数似乎给出了每个频率的幅度列表（请原谅我，如果这与功率谱的确切定义不同）。要获得总音量，您可以将整个列表相加（这将是接近的，xept它仍然可能与感知的响度不同，因为人耳本身具有频率响应）。

Answer 2

我完全不同意CookieOfFortune的这个“答案”。

被批准，这个问题的措辞很差......但是这个答案使事情变得比必要的复杂得多。我假设通过'幅度'你的意思是感知响度。从技术上讲，（PCM）音频流中的每个样本表示给定时间片的信号幅度。要获得响度表示，请尝试简单的RMS计算：

RMS

| K＆LT;

Answer 3

我不确定这是否会有所帮助，但是 skimpygimpy 提供将WAVE文件解析为python的工具 序列和返回 - 你可以使用它 直接检查波形样本并做 你喜欢什么。你将不得不阅读一些来源， 这些子组件没有记录。