当前位置:首页 > 文章列表 > Golang > Go问答 > 使用 Go 语言进行声音检测

使用 Go 语言进行声音检测

来源:stackoverflow 2024-03-12 16:21:26 0浏览 收藏

知识点掌握了,还需要不断练习才能熟练运用。下面golang学习网给大家带来一个Golang开发实战,手把手教大家学习《使用 Go 语言进行声音检测》,在实现功能的过程中也带大家重新温习相关知识点,温故而知新,回头看看说不定又有不一样的感悟!

问题内容

我正在致力于为 golang 声音检测器创建一个非常简单且轻量级的解决方案。我需要读取 mp3/mp4 音频流(目前使用文件)并执行当检测到比平时更大的声音时所具有的功能。我对 golang 比较陌生,对数字音频没有经验。我有下面的代码可以检测蜂鸣声,但不知道如何检测更大的噪音而不仅仅是蜂鸣声。任何帮助将不胜感激!!

package main

import (
    "encoding/binary"
    "fmt"
    "log"
    "math"
    "math/cmplx"
    "net/http"

    "os"

    "github.com/hajimehoshi/go-mp3"
    "github.com/hajimehoshi/oto"

    "github.com/mjibson/go-dsp/fft"

    "github.com/mjibson/go-dsp/window"
)

// const sampleRate = 44100
const toneFrequency = 440
const mp3file = "C:/Users/mmekaiel/Music/audio-samples/440Hz.mp3"

func serveHome(w http.ResponseWriter, r *http.Request) {
    w.Header().Set("Content-Type", "text/html")
    fmt.Fprint(w, "<h1>Hello world site!!</h1>")
}

func serveAudio(w http.ResponseWriter, r *http.Request) {
    w.Write([]byte("<h1>The <a href='https://github.com/rwarford/simple-tone-detect'>tone-detect</a> audio page!!</h1>"))

    if err := process(toneFrequency); err != nil {
        log.Fatal(err)
    }
}

func process(toneFreq int) error {
    f, err := os.Open(mp3file)
    if err != nil {
        return err
    }
    defer f.Close()

    d, err := mp3.NewDecoder(f)

    if err != nil {
        return err
    }

    p, err := oto.NewPlayer(d.SampleRate(), 2, 2, 8192)

    if err != nil {
        return err
    }

    defer p.Close()

    windowSize := 40 // window size in milliseconds
    windowSamples := int(float32(d.SampleRate()) * float32(windowSize) / 1000.0)

    // fftSize is the smallest power of 2 greater than or equal to windowSamples
    fftSize := int(math.Pow(2, math.Ceil(math.Log2(float64(windowSamples)))))

    spectralWidth := float64(d.SampleRate()) / float64(fftSize)
    targetIndex := int(float64(toneFreq) / spectralWidth)

    fmt.Printf("Sample Rate: %d\n", d.SampleRate())
    fmt.Printf("Length: %d[bytes]\n", d.Length())
    fmt.Printf("Window size: %d[samples]\n", windowSamples)
    fmt.Printf("FFT size: %d\n", fftSize)
    fmt.Printf("Spectral Line width: %v[hertz]\n", spectralWidth)
    fmt.Printf("Tone index: %d\n", targetIndex)

    b := make([]byte, windowSamples*4) // 2 bytes per sample, 2 channels
    w := make([]float64, fftSize)
    t := 0
    toneStart := -1

outerloop:
    for {
        // Read a window of samples
        bytesRead := 0
        for bytesRead < len(b) {
            n, err := d.Read(b[bytesRead:])
            if err != nil {
                break outerloop
            }
            bytesRead += n
        }

        // Convert to float (ignore second channel)
        for i := 0; i < len(b); i += 4 {
            w[i/4] = float64(int16(binary.LittleEndian.Uint16(b[i+0:i+2]))) / 32768.0
        }

        // Apply window function
        window.Apply(w, window.Hamming)

        // Perform FFT
        c := fft.FFTReal(w)

        // Compute the normalized magnitude
        r, _ := cmplx.Polar(c[targetIndex])
        r = r / float64(fftSize)

        // Look for tone
        toneDetected := r > 0.05 // Apply arbitrary threshold
        if toneDetected && toneStart < 0 {
            toneStart = t
        } else if !toneDetected && (toneStart >= 0) {
            fmt.Printf("Tone from %dms to %dms.\n", toneStart, t)
            toneStart = -1
        }

        t += windowSize
    }

    return nil
}

func main() {
    mux := &http.ServeMux{}

    mux.HandleFunc("/", serveHome)

    mux.HandleFunc("/audio", serveAudio)

    http.ListenAndServe(":8080", mux)
}

解决方案


您使用的mp3库将mp3解码为"Raw"音频,通常是PCMNewDecoder的文档也提到了

从中,您可以查找声音数据的确切格式。看起来就很简单,就是左16位,右16位,重复。该值将转换为扬声器振膜的位置。

要查找音量,您应该查找较大的值,或者自上一帧以来值的较大变化。你不需要 FTT 的东西。这是一个名为“fast Fourier transform”的操作。它可以让您查看声音中当前的频率。这对于确定音符的音高很有用,但对于确定音量则毫无用处。我会删除解码器之后的所有内容,并尝试从中读取一些字节。

编辑:经过进一步思考,响亮的声音发生的时间比单个样本要长得多(数字音频不是我的领域)。 -This is how you actually do it-

另请注意:16 位可以有符号或无符号(s16le 或 u16le)。看起来签名是“标准”并且很可能。

编辑 2:除非您正在开发声音处理库,否则我建议您自己寻找一个。我个人使用 GStreamer 来做这类事情,但它对于你的需要来说太过分了(我推荐它)。

也许像 PCM Datatype library 这样的东西。他们似乎在 here 中做了一些增益放大和缩放。看起来是一个挖掘的好地方。

好了,本文到此结束,带大家了解了《使用 Go 语言进行声音检测》,希望本文对你有所帮助!关注golang学习网公众号,给大家分享更多Golang知识!

版本声明
本文转载于:stackoverflow 如有侵犯,请联系study_golang@163.com删除
利用VSCode与PHP,打开编程新纪元利用VSCode与PHP,打开编程新纪元
上一篇
利用VSCode与PHP,打开编程新纪元
深入探究Go语言字符串截取功能的实现机制
下一篇
深入探究Go语言字符串截取功能的实现机制
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    514次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    499次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    484次学习
查看更多
AI推荐
  • SEO  AI Mermaid 流程图:自然语言生成,文本驱动可视化创作
    AI Mermaid流程图
    SEO AI Mermaid 流程图工具:基于 Mermaid 语法,AI 辅助,自然语言生成流程图,提升可视化创作效率,适用于开发者、产品经理、教育工作者。
    696次使用
  • 搜获客笔记生成器:小红书医美爆款内容AI创作神器
    搜获客【笔记生成器】
    搜获客笔记生成器,国内首个聚焦小红书医美垂类的AI文案工具。1500万爆款文案库,行业专属算法,助您高效创作合规、引流的医美笔记,提升运营效率,引爆小红书流量!
    707次使用
  • iTerms:一站式法律AI工作台,智能合同审查起草与法律问答专家
    iTerms
    iTerms是一款专业的一站式法律AI工作台,提供AI合同审查、AI合同起草及AI法律问答服务。通过智能问答、深度思考与联网检索,助您高效检索法律法规与司法判例,告别传统模板,实现合同一键起草与在线编辑,大幅提升法律事务处理效率。
    729次使用
  • TokenPony:AI大模型API聚合平台,一站式接入,高效稳定高性价比
    TokenPony
    TokenPony是讯盟科技旗下的AI大模型聚合API平台。通过统一接口接入DeepSeek、Kimi、Qwen等主流模型,支持1024K超长上下文,实现零配置、免部署、极速响应与高性价比的AI应用开发,助力专业用户轻松构建智能服务。
    793次使用
  • 迅捷AIPPT:AI智能PPT生成器,高效制作专业演示文稿
    迅捷AIPPT
    迅捷AIPPT是一款高效AI智能PPT生成软件,一键智能生成精美演示文稿。内置海量专业模板、多样风格,支持自定义大纲,助您轻松制作高质量PPT,大幅节省时间。
    684次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议隐私政策
返回登录
  • 重置密码