TarsosDSP音高分析入门

Question

我正在开发一个分析声音文件音高的程序。我找到了一个非常好的API叫做"TarsosDSP"，它提供了各种音高分析功能。然而，我在设置它时遇到了很多麻烦。能否有人向我展示如何使用这个API（特别是PitchProcessor类）的快速指针？因为我在声音分析方面还很新手，所以一些代码片段将非常感激。

谢谢

编辑：我在http://husk.eecs.berkeley.edu/courses/cs160-sp14/index.php/Sound_Programming上找到了一些文档，其中有一些示例代码显示如何设置PitchProcessor，...

int bufferReadResult = mRecorder.read(mBuffer, 0, mBufferSize);
// (note: this is NOT android.media.AudioFormat)
be.hogent.tarsos.dsp.AudioFormat mTarsosFormat = new be.hogent.tarsos.dsp.AudioFormat(SAMPLE_RATE, 16, 1, true, false);
AudioEvent audioEvent = new AudioEvent(mTarsosFormat, bufferReadResult);
audioEvent.setFloatBufferWithByteBuffer(mBuffer);
pitchProcessor.process(audioEvent);

我感到有些迷茫，mBuffer和mBufferSize具体是什么意思？我该如何找到这些值？音频文件应该放在哪里？

- user4835582

---

那个伯克利链接已经失效。 - jim

https://biblio.ugent.be/publication/4260455/file/4260477 - jim

Answer 1

TarsosDSP框架中音频的基本流程如下：来自音频文件或麦克风的输入音频流被读取并切成例如1024个采样的帧。每个帧通过一个管道，进行修改或分析（例如音高分析）。

在TarsosDSP中，AudioDispatcher负责将音频分割成帧，并将音频帧封装到AudioEvent对象中。这个AudioEvent对象会通过一系列的AudioProcessors。

所以，在你引用的代码中mBuffer是音频帧，mBufferSize是采样缓冲区的大小。您可以自己选择缓冲区大小，但对于音高检测，2048个采样是合理的。

使用TarsosDSP库进行音高检测，您可以像这样做：

   PitchDetectionHandler handler = new PitchDetectionHandler() {
        @Override
        public void handlePitch(PitchDetectionResult pitchDetectionResult,
                AudioEvent audioEvent) {
            System.out.println(audioEvent.getTimeStamp() + " " pitchDetectionResult.getPitch());
        }
    };
    AudioDispatcher adp = AudioDispatcherFactory.fromDefaultMicrophone(2048, 0);
    adp.addAudioProcessor(new PitchProcessor(PitchEstimationAlgorithm.YIN, 44100, 2048, handler));
    adp.run();

在这段代码中，首先创建了一个处理程序，它简单地打印出检测到的音高。 AudioDispatcher 附加到默认麦克风并具有缓冲区大小为 2048。一个检测音高的音频处理器被添加到 AudioDispatcher 中，并在那里使用该处理程序。

最后一行启动了该过程。

- Joren

---

感谢@Joren，我非常感激您在Tarsos上所做的工作。提醒其他人，System.out.println()缺少一个“+”，我需要将采样率作为.fromDefaultMicrophone()的第一个参数添加进去。 - Sam