我需要捕获麦克风提供的原始数据（每几毫秒）。对于Python的偏好，但它也可以在C / C ++中。我正在使用Linux / macOS。
如何捕获音频波（麦克风输入）以及它将是什么类型的数据？纯字节？包含一些数据的数组？
我想进行实时大脑分析和（如果幅度达到确定值）麦克风信号的实时fft，但我不知道麦克风为我提供了什么数据和数据的概念。
我看到很多代码设置为捕获44.1kHz的音频，但它是否捕获了所有这些数据？采集的数据部分取决于编程方式？
答案 0 :(得分：1)
“我需要捕获麦克风提供的原始数据（每隔几毫秒）”
不，你没有。那不行。即使您每毫秒捕获一次数据，恰好是1000微秒（没有抖动）的倍数，您的音频质量也会非常糟糕。采样频率为1000 Hz（每毫秒一次）将奈奎斯特频率限制为500 Hz。那非常低。
“我想进行实时的大力分析”。那么，你忽略了500 Hz以上的分量，这大约是可听频率的98％。
“实时fft” - 同样的问题，也会错过98％。
您无法处理原始音频。您必须依靠声卡来完成繁重的工作才能获得计时权利。它可以每21微秒采样声音，精确度为微秒。您可以使用ALSA或PulseAudio或其他一些选项（在Linux上为您发声）与音频卡通信。但那里的建议将是偏离主题的。