生成音频波形

Question

这篇文章更多的是关于澄清而不是实现某种音频波形算法。我已经阅读过关于这个主题的无数帖子（无论是在SO上还是在网上），以及我收集到的内容：

• 在16位WAV的上下文中，我想将每两个字节读取为short，这将导致-32768到32767之间的值。
• 采样率为44.1kHz，我每隔一秒音频就有44,000个样本。

这很简单，但我有以下问题：

• 以单声道呈现的WAV只有一个通道，即每帧两个字节的信息。在立体声中，这变成四个字节的信息。在我的情况下，我不需要显示两个频道，所以我只是跳过右边的频道而只读左边的？我读过的一些解决方案提到了左右声道的组合，但我不确定这是否是必需的。
• 说我有一个两秒钟的音频文件，另一个是三十秒长的音频文件。如果我需要抓取至少800个样本来表示波形，那么沿文件长度抓取800个样本会引入准确性问题，例如： {2}用于第二个音频文件，(44,000 * 2) / 800用于第30个音频文件。

真的很感激解释！

Answer 1

这超出了我的专业领域，但我会试一试。

据我所知，您可能会跳过一些样本并保持合理的准确度 - 如果您跳过43 kHz文件中的所有其他样本，就好像您在22.05 kHz下录制原始样本一样。但是，根据Wikipedia，当您的采样频率小于您采样声音的某个分量的频率的两倍时，会遇到精度问题。除非你的音频中有高音调的铃铛和钹，否则在22.05 kHz时这可能不是什么大问题。但如果你每30秒只采样800次，那么处理器官的最低音符就不足以处理。

想象一下，你每秒采样800次，并且有800 Hz的声音（高于G或高于C的G＃）。每次你采样，你都会得到那波在完全相同的点上。您正在采样的波形中的那个位置可能是峰值点，或者它可能是一个低点。如果不经常采样，你就不可能知道。

至于您是否只能采样一个频道，这取决于您是否可以忽略其他频道。想象一下立体声文件，右侧有声音，左侧有音乐。他们会有不同的波形图。如果您可以忽略音乐，那么您可以采样右侧而忽略左侧。如果你需要两者，那么你显然需要对两者进行抽样。