关于语音:libsoxr音频重采样

15次阅读

共计 1235 个字符,预计需要花费 4 分钟才能阅读完成。

还是音频重采样的问题,https://segmentfault.com/a/11… 的后续,利用场景是对已解码的 8K 采样率、16bit 采样深度、单声道、无文件头的 raw 格局语音数据进行重采样,将采样率变为 16K,其余参数不变。之前试过 libsox,Release 版本始终无奈正确运行,起因也没有找到,FFmpeg 做进去的采样后果又和 SoX 不同,跟模型对不上。依据官网的说法 soxr 和 SoX 应该是一样的,只不过是专门做疾速高精度的一维声采样。对于我这么简略的利用场景,实践上它俩成果应该能够达到齐全一样,然而我用 libsoxr 做进去的采样后果和 SoX 就不一样,肉眼看上去波形没有区别,然而看二进制文件差异还挺大的……我尝试扭转了一些参数,包含 dither 和 quality 的各项参数,然而都没有失去雷同后果。也搜了讨论区和 StackOverflow,都没有失去解答。
上面是代码,心愿有人能指出我的问题。

#include "soxr.h"
bool Resample (short* pWavBuf, int wavLen, short* pWav16k, int wavLen16k) {
//pWavBuf 为输出的 raw 格局语音数据,采样率 8K,采样深度 16bit;//wavLen 为输出数据的长度,单位为样点数,并非数据长度的字节数
//pWav16k 为输入的缓存
//wavLen16k 为输入数据的长度,单位仍然为样点数

    size_t ilen = wavLen;       //input samples per channel
    size_t olen = ilen * 2;     //output samples per channel
    wavLen16k = olen;
    double irate = 8000;        //input sample reate
    double orate = 16000;       //output sample rate
    
    soxr_io_spec_t io_spec;     //io format
    io_spec.itype = SOXR_INT16; //input datatype
    io_spec.otype = SOXR_INT16; //output datatype
    io_spec.scale = 1;          //linear
    io_spec.e = NULL;           //reserved
    io_spec.flags = SOXR_TPDF;  //SOXR_NO_DITHER 也试过,都不行
    
    soxr_quality_spec_t qua_spec;   //quality
    qua_spec = soxr_quality_spec(SOXR_HQ, 0);   //not sure
    
    size_t idone, odone;
    soxr_error_t error;
    
    //single call to resample one wav
    error = soxr_oneshot(irate, orate, 1, pWavBuf, ilen, &idone, pWav16k, olen, &odone, &io_spec, &qua_spec, NULL);
    
    return true;
}
正文完
 0