Question

我一直在研究音频识别演示，而api需要我传递一个.wav文件，其采样率 8000 或 16000 所以我必须对它进行下采样。我尝试了2种算法如下。虽然它们都没有按我的意愿解决问题，但结果存在一些差异，我希望这会使其更加清晰。

这是我的第一次尝试，当 sampleRate％outputSampleRate = 0 时它可以正常工作，但是当 outputSampleRate = 8000或1600 时，结果音频文件 silent （表示输出数组的每个元素的值都是0）：

function interleave(inputL){
  var compression = sampleRate / outputSampleRate;
  var length = inputL.length / compression;
  var result = new Float32Array(length);

  var index = 0,
  inputIndex = 0;

  while (index < length){
    result[index++] = inputL[inputIndex];
    inputIndex += compression;
  }
  return result;
}

所以这是我的第二次尝试，它来自一家大公司，它也不起作用。更重要的是，当我设置 sampleRate％outputSampleRate = 0 时，它仍会输出无声文件：

function interleave(e){
  var t = e.length;
  var n = new Float32Array(t),
    r = 0,
    i;
  for (i = 0; i < e.length; i++){
    n[r] = e[i];
    r += e[i].length;
  }
  sampleRate += 0.0;
  outputSampleRate += 0.0;
  var s = 0,
  o = sampleRate / outputSampleRate,
  u = Math.ceil(t * outputSampleRate / sampleRate),
  a = new Float32Array(u);
  for (i = 0; i < u; i++) {
    a[i] = n[Math.floor(s)];
    s += o;
  }

  return a
}

如果我的设置错误，这里是 encodeWAV 功能：

function encodeWAV(samples){
  var sampleBits = 16;
  var dataLength = samples.length*(sampleBits/8);

  var buffer = new ArrayBuffer(44 + dataLength);
  var view = new DataView(buffer);

  var offset = 0;

  /* RIFF identifier */
  writeString(view, offset, 'RIFF'); offset += 4;
  /* file length */
  view.setUint32(offset, 32 + dataLength, true); offset += 4;
  /* RIFF type */
  writeString(view, offset, 'WAVE'); offset += 4;
  /* format chunk identifier */
  writeString(view, offset, 'fmt '); offset += 4;
  /* format chunk length */
  view.setUint32(offset, 16, true); offset += 4;
  /* sample format (raw) */
  view.setUint16(offset, 1, true); offset += 2;
  /* channel count */
  view.setUint16(offset, outputChannels, true); offset += 2;
  /* sample rate */
  view.setUint32(offset, outputSampleRate, true); offset += 4;
  /* byte rate (sample rate * block align) */
  view.setUint32(offset, outputSampleRate*outputChannels*(sampleBits/8), true); offset += 4;
  /* block align (channel count * bytes per sample) */
  view.setUint16(offset, outputChannels*(sampleBits/8), true); offset += 2;
  /* bits per sample */
  view.setUint16(offset, sampleBits, true); offset += 2;
  /* data chunk identifier */
  writeString(view, offset, 'data'); offset += 4;
  /* data chunk length */
  view.setUint32(offset, dataLength, true); offset += 4;

  floatTo16BitPCM(view, offset, samples);

  return view;
}

很长一段时间我很困惑，请让我知道我错过了什么...

-----------------------------解决之后--------------- -----------------

我很高兴它现在运行良好，这里是正确版本的函数 interleave（）：

    function interleave(e){
      var t = e.length;
      sampleRate += 0.0;
      outputSampleRate += 0.0;
      var s = 0,
      o = sampleRate / outputSampleRate,
      u = Math.ceil(t * outputSampleRate / sampleRate),
      a = new Float32Array(u);
      for (i = 0; i < u; i++) {
        a[i] = e[Math.floor(s)];
        s += o;
      }

      return a;
    }

所以你可以看到它传递给它的变量不是正确的类型〜再次感谢亲爱的@jaket和其他朋友〜虽然我想到了myslf，但他们让我更了解原始的东西~~~：）

Answer 1

采样率转换还有很多，而不仅仅是丢弃样品或插入样品。

让我们采用简单的下采样情况2倍（例如44100-> 22050）。一种天真的方法就是扔掉所有其他样本。但想象一下，在原始的44.1kHz文件中，有一个正弦波存在于20khz。对于该采样率，它在奈奎斯特（fs / 2 = 22050）内。在你扔掉所有其他样品之后，它仍然会在10kHz处存在，但现在它将高于nyquist（fs / 2 = 11025）并且它将混叠到输出信号中。最后的结果是你将有一个大的正弦波，频率为8975赫兹！

为了在下采样期间避免这种混叠，您需要首先设计一个低通滤波器，其截止频率根据您的抽取率选择。对于上面的示例，您将先切断11025以上的所有内容，然后进行抽取。

硬币的另一面称为上采样和插值。假设您希望将采样率提高2倍。首先，在每个输入样本之间插入零，然后运行插值过滤器以计算值，以使用周围的样本替换零。

速率变化通常涉及抽取和插值的某种组合 - 因为两者都通过整数样本工作。以48000-> 32000为例。输出/输入比率为32000/48000或2/3。因此，您需要将48000乘以2以获得96000，然后将其下采样3到32000.另一个原因是您可以将这些流程链接在一起。因此，如果您想要从48000-> 16000，那么您将上升3，下降2，下降2.此外，44100特别困难。例如，要从48000-> 44100移动，你需要上升147，下降160，你不能将它分解为更小的术语。

我建议您找一些代码或库来为您执行此操作。您需要寻找的是多相滤波器或采样率转换器。

Answer 2

问题是您尝试使用浮点数访问数组。当您访问inputL[5.5125]时，它与input['5.5125']相同，即您将尝试从数组对象中读取名为5.5125的属性，而不是数组数据中的项。< / p>

对数字进行舍入，以便得到最接近的整数索引：

function interleave(inputL){
  var compression = sampleRate / outputSampleRate;
  var length = inputL.length / compression;
  var result = new Float32Array(length);

  var index = 0,
  inputIndex = 0;

  while (index < length){
    result[index++] = inputL[Math.round(inputIndex)];
    inputIndex += compression;
  }
  return result;
}

Answer 3

@jacket说的是真的，你不能只是通过减少no来对音频进行下采样。数组中的项目，我能想到的两种方法是：

如果您不是特别关注wav未压缩的格式并且会耗尽您的带宽，您可以尝试使用small utility我写的录制为mp3文件，只需修改{ {1}}
```
scripts/recorder.js
```
到
```
 config: {
    sampleRate: this.context.sampleRate
  }
```
另一种选择是，如果您已经在进行某种音频处理后端，并且不介意将ffmpeg添加到堆栈中，您可以发送wav文件（未压缩格式）/ ogg文件（压缩文件）格式，code）到服务器，在那里你可以使用ffmpeg将其改为你喜欢的任何格式，然后再进行其余的处理。

下调PCM音频从44100到8000

3 个答案: