声音处理

python打开音频文件(IO) 语音音量大小与响度的相关计算 语音处理最基础的部分就是如何对音频文件进行处理。 声音的物理意义：声音是一种纵波，纵波是质点的振动方向与传播方向同轴的波。如敲锣时，锣的振动方向与波的传播方向就是一致的，所以声波是纵波。纵波是波动的一种（波动分为横波和纵波） 通常情况下对声音进行采样量化之后得到了声音的“时间—振幅”信息。 Python 打开wav文件的操作 wav文件 利用python打开一个wav音频文件，然后分析wav文件的数据存储格式，有了格式之后就能很方便的进行一些信号处理的操作。Wikipedia给出的wav文件的资料如下 Waveform Audio File Format ( WAVE , or more commonly known as WAV due to its filename extension - both pronounced "wave"‘)(rarely, Audio for Windows ) is a Microsoft and IBM audio file format standard for storing an audio bitstream on PCs . It is an application of the Resource Interchange File Format (RIFF)

这事写这里不知道会不会被打~ 最近喜欢上录歌，不是自己写歌编曲演奏演唱那么高段，也不是自弹自唱（这个后面可以有），也不是去录音棚交钱只管唱那么悠然。就是在自己的电脑上，翻唱一些自己喜欢的歌，自娱自乐一下。所以要做的事无非是：找伴奏+录唱+后期混缩=>输出。陆续录了一些，算是有了一些心得，分享一下。纯业余+新手向，恳请指教。 关于伴奏 网上能找到的伴奏，按品级从高到低我是这样排：原版伴奏>改编伴奏（含现场版）>卡拉OK版伴奏>去人声伴奏，结合音质的考量，这个排名不是那么绝对，比如实在找不到高质量的原版伴奏时，我会考虑换用高质量的改编或OK版伴奏。基本上低质量和去人声的我是不会考虑的，宁可不录也不将就。这里说的音质，我不想拿什么无损啊320/128K这些指标说事，就是一个字：感觉 原版伴奏。一首歌流传出来的版本可能有若干个，各版的编曲往往各不相同，例如不同人唱的（罗大佑和蔡国权的 《童年》 ） ，同一人在不同时期唱的（beyond《旧日的足迹》前后两版）、不同场合唱的（录音棚和各个演唱会之类），而编曲（我认为就是和弦、器乐、节奏），我觉得是一首歌最重要的东西了，它直接决定了一首歌的气质，或者说风格，最终影响的是听下来的感觉，同样的旋律，同样的人声，不同的编曲都会带出不同的感觉，当然同样的编曲，不同人唱也会有不同感觉，但相比之下，编曲造成的差异最甚

1.地鼓((size)Kick Drum)： 地鼓是一首歌曲里最重要的部分之一，因为它推动着节奏向前进行。这里我们讨论如何处理常见的三种地鼓：第一种我称之为“80年代蓬头地鼓”，你一定熟悉的：强而有力、富含中频、含有重击的“砰“声，想得到这种比较怀旧的地鼓声音，可以先过滤掉60Hz以下的 频率 ，然后根据情况在78-84Hz提升3到6dB((size)Q值大约为1)，使之听起来象是敲在你的胸膛上。接下来在1.5-2.5kHz提升大约6dB来增加“砰“声((size)Q值在1.5-2.5比较适合)，最后在120Hz降大约4dB((size)Q值1.0)。第二种是当今最流行的“Bonham“摇滚地鼓，我通常在120-240Hz提升4dB或更多来得到这种声音，还需要过滤掉1.5kHz以上的所有 频率 ，有时候可能需要在还有一种现在常用的地鼓：比较空、有摩擦声，想得到这种声音，你可以过滤掉100Hz以下的所有声音，在125Hz提升大约3dB，在250-350Hz提升大约4dB。然后过滤掉2kHz以上的所有 频率 。 2.军鼓： 目前有两种使用最广泛的军鼓类型：一种紧凑、有力，另一种松散、比较长((size)通常用于ballads风格的歌曲)首先，任何军鼓都不需要150Hz以下的声音，所以把它们过滤掉。军鼓的中心 频率 通常在1kHz附近数百Hz的频段内，所以在这一频段提升3

领域建模 Collect application domain information focus on the functional requirements – also consider other requirements and documents Brainstorming listing important application domain concepts – listing their properties/attributes – listing their relationships to each other Classifying the domain concepts into: classes – attributes / attribute values – relationships association, inheritance, aggregation Document result using UML class diagram 1 Collect application domain information 我的工程实践题目是《 多人对话场景中音频分离 》，题目要求的任务即说话人区分（Speaker Diarization）任务。说话人区分是声纹识别领域中的一个任务，具体是指根据说话者身份将输入的音频划分为同类片段的过程

领域建模 Collect application domain information focus on the functional requirements – also consider other requirements and documents Brainstorming listing important application domain concepts – listing their properties/attributes – listing their relationships to each other Classifying the domain concepts into: classes – attributes / attribute values – relationships association, inheritance, aggregation Document result using UML class diagram 1 Collect application domain information 我的工程实践题目是《 多人对话场景中音频分离 》，题目要求的任务即说话人区分（Speaker Diarization）任务。说话人区分是声纹识别领域中的一个任务，具体是指根据说话者身份将输入的音频划分为同类片段的过程