如何检测原始声音文件中的声音

Question

我正在开发一种可以自动录制和提取语音中每个单词的软件。我使用portaudio库来解决它。但我仍然坚持检测声音：我设置静音的值为零，所以如果有一个零的样本，它必须是声音的起点或终点。但是当我运行它时，该程序创建了许多单词。我认为因为我读取的portaudio的值是原始数据，所以它不能像那样处理。我对吗？我该如何解决？顺便说一下，我用C ++编写代码：D

Answer 1

要检测PCM流中是否存在信号，您可以检测到它。正如dprogramz所说，声卡的本底噪声可能并不完美，因此会记录一些噪音信号（即使没有连接麦克风）。

解决方案是使用VOX或VAD算法来检测您的语音是否存在。 VOX可能很棘手，因为在大多数消费级电子产品中，本底噪声很低，足以相对于信号对人耳“静音”。这意味着噪声基底和信号之间的幅度差异可能很小。如果您的声卡已打开AGC，这可能会使其更加困难，因为本底噪声可能会移动。话虽如此，VOX可以在消费级设备上成功实施。建立阈值只需要更多的努力。完成时，阈值会在流处于活动状态时定期计算。

如果我这样做，我会实施VAD算法。由于您的目标是检测您的声音，因此无论您使用何种设备，都应提供可靠的结果。

Answer 2

我不认为这是因为它是一个RAW值。 RAW声音文件是频率和音量信息的比特流。

但是，该值很少（如果有的话）为零。您必须考虑到麦克风产生的少量电噪声。弄清楚麦克风的“空闲”dB（只是在你没有说话时测试水平）。然后，您需要设置静音阈值（低于特定数量样本的某个dB级别）以检测开始/结束。试图检测零值几乎是不可能的。