语音识别是当前人工智能的比较热门的方向，技术也比较成熟，各大公司也相继推出了各自的语音助手机器人，如百度的小度机器人、阿里的天猫精灵等。语音识别算法当前主要是由RNN、LSTM、DNN-HMM等机器学习和深度学习技术做支撑。但训练这些模型的第一步就是将音频文件数据化，提取当中的语音特征。
WAV是一种波形音频文件格式(Waveform Audio File Format)。虽然是一种古老的格式（九十年代初开发），但今天仍然可以看到这种文件。 WAV具有简单、可移植、高保真等特点。
经过上文音频知识一的数模转换介绍，我们了解，模拟信号转换为数字信号就称为数模转换，需要进行的步骤：采样，量化，编码。其中编码部分音频裸就是pcm数据，而编码时如果通过不同的算法，就被保存为不同的格式，比如wav，mp3等等。
WAV即WAVE，是经典的Windows音频数据封装格式，由Microsoft开发。数据本身格式为PCM，也可以支持一些编码格式的数据，比如最近流行的AAC编码。如果是PCM，则为无损格式，文件会比较大，并且大小相对固定，可以使用以下公式计算文件大小。
要求 根据现有音频框架实现一个录音程序，要求：PCM格式， 采样率16K, S16LE, 单通道 使用ffmpeg 将录音音频转换为采样率为48K wav格式的文件 使用ffmpeg 将录音音频转换为MP3格式的文件 使用Audacity查看你的录音频谱 使用sndpeek分析你的音频数据，并写出心得 平台 Linux-3.4.2 arm-linux-gcc-4.3.2 精简版yaffs文件系统 JZ2440开发板(S3C2440) ALSA框架 alsa-lib-1.0.27.2 alsa-util
由于 WAV 文件通常包含未压缩的数据，因此它们的体积可能很大。这可能会使它们的处理速度非常慢，甚至阻止您一次将整个文件放入内存中。
在进行频谱分析时，发现MATLAB和python读取wav文件的波形不一致，导致不能得出正确结果，为了验证MATLAB和python哪部分有问题，于是有了这篇博客。
程序中的录音文件之前直接保存的是 .pcm格式，一直也相安无事，用的挺好。最近有一个webview中需要加载录音文件，出现了不兼容的问题，所以需要把 .pcm格式文件转换为 .wav格式。
今天在使用 pocketsphinx_continuous 识别中文 wav 文件是，报如下错误：
playsound是纯Python、跨平台、单功能模块，不依赖于播放声音。使用此模块，可以使用一行代码播放声音文件：
此节演示使用三段式耳机在 100ask_stm32mp157_pro 开发板上录制声音、播放音频。 注意: 需要准备一个带麦克风的三段式耳机，如下图所示：
在程序软件里，有些情况下会用到声音提示，一般会使用文字转成语音，然后使用软件播放出来，QT框架里QSound类提供了一种播放.wav声音文件的方法，播放WAV格式文件非常方便，WAV格式没有压缩，播放MP3之类的还要解压，额外需要解码库，如何程序只是要一些提示音，就可以使用WAV格式文件，使用QSound的play静态函数进行异步播放。
对于声音类的文件分析起来除了听最好是先可以把声音转换成图形，这样对于声音文件之间的不同有一个视觉上的认知，对于后续分析可以是一个很有用的补充。
前面 3 条 amixer 命令是打开板载咪头的开关，第 4 条命令是设置耳机的播放声音。 最后一条命令是录音命令，参数讲解如下：
前言 前面我们学习了numpy库的很多知识，今天来学习下数组的广播。 Numpy数组的广播 当操作对象的形状不一样时，numpy会尽力进行处理。 假设一个数组要跟一个标量相乘，这时标量需要根据数组的形状进行扩展，然后才可以执行乘法运算。这个扩展的过程叫做广播（broadcasting）。 广播的步骤如下： ① 读取WAV文件 （本地没有找到好的直接下载WAV文件的网站，欢迎推荐）这里我们使用标准Python代码来下载《王牌大贱谍》中的歌曲Smashing，baby。Scipy中有一个wavfile子程序包
传统 HTML 开发中 , 如果想要向网页中嵌入音频和视频 , 需要 使用 Flash 浏览器插件才能实现 ;
音频处理是数字媒体和人工智能领域中的一个重要分支，它涉及到音频的录制、播放、编辑和分析等多个方面。Python 作为一种强大的编程语言，提供了多种库和工具来帮助开发者进行音频处理。本文将介绍几个常用的 Python 音频处理库，并提供相应的使用示例，以帮助读者快速入门。
在语音处理中，音频文件读写是基本操作。 然而读写方式乃至归一化处理的多样化，有可能导致后续处理的偏差乃至错误。 本文汇集实践中所遇的一些方法，并参考了其他文章，确保读写操作的准确性和一致性。
流行天后孙燕姿的音色固然是极好的，但是目前全网都是她的声音复刻，听多了难免会有些审美疲劳，在网络上检索了一圈，还没有发现民谣歌手的音色模型，人就是这样，得不到的永远在骚动，本次我们自己构建训练集，来打造自己的音色模型，让民谣女神来唱流行歌曲，要多带劲就有多带劲。
因为工作中用到了wav格式的音频，所以就搜集了一些关于wav音频的处理。 主要包括：音频信息，读取内容，获取时长，切割音频，pcm与wav互转
与《分享用于学习C++图像处理的代码示例》为姊妹篇。 为了便于学习C++音频处理并研究音频算法， 俺写了一个适合初学者学习的小小框架。 麻雀虽小五脏俱全，仅仅考虑单通道处理。 采用Decoder an
本篇开始讲解音频编辑的具体操作，从相对简单的音频裁剪开始。要进行音频裁剪，我的方案是开启一个Service服务用于音频裁剪的耗时操作，主界面发送裁剪命令，同时注册EventBus接受裁剪的消息（当然也可以使用广播接受的方式）。因此，在本篇主要会讲解以下内容：
本篇开始讲解在Android平台上进行的音频编辑开发，首先需要对音频相关概念有基础的认识。所以本篇要讲解以下内容：
Python语言已经无所不能了，今天就来分享一下，如何使用Python来录制和播放音频文件。
下载了一堆音频编辑软件，最后在合并的时候都提示要收费，所以只好写代码搞定了 首先用QQ影音确定需要裁减音乐的地方，比如我需要裁掉11:08到11：48，12：51到13：05，那么python编码如下：
使用 audiowrite 函数将数据写入当前文件夹中名为 handel.wav 的 WAVE 文件。
PCM（Pulse Code Modulation—-脉码调制录音)。所谓PCM录音就是将声音等模拟信号变成符号化的脉冲列，再予以记录。PCM信号是由[1]、[0]等符号构成的数字信号，而未经过任何编码和压缩处理。与模拟信号比，它不易受传送系统的杂波及失真的影响。动态范围宽，可得到音质相当好的影响效果。
1、首先用ffmpeg命令或者flac 命令将它转换成mav格式，再用lame将wav转换成mp4格式
PCM格式 PCM属于编码格式，PCM是经过话筒后直接得到的未经压缩的数据流 数据的大小 = 采样率 * 采样位数 * 声道 * 秒数 ／ 8 采样率一般是：22K或者是44K 位数一般是：8位或者16位 声道一般是：双声道或者单声道 PCM是一串由多个样本值组成的数据流，本身没有任何头信息或者帧的概念。只有一段PCM数据是没有办法知道它的采样率的信息的。 WAV格式 WAV是封装格式，里面本身可以存放多种编码格式，不过一般都存放PCM数据。 WAV文件是由“WAV文件头”和“WAV文件体”组成
so-vits-svc是基于VITS的开源项目，VITS（Variational Inference with adversarial learning for end-to-end Text-to-Speech）是一种结合变分推理、标准化流和对抗训练的高表现力语音合成模型。
WAV是最常见的声音文件格式之一，是微软公司专门为Windows开发的一种标准数字音频文件，该文件能记录各种单声道或立体声的声音信息，并能保证声音不失真。 [图片上传中...(image.png-fc53c5-1587727221744-0)]
使用QT的音频相关的类，需要在QT的pro工程文件里加入: QT += multimedia
原文Basic Sound Processing with Python描述了怎样在Python中通过pylab接口对声音进行基本的处理。
本库是用 Pytorch 实现的 WaveNet-Vocoder。 安装需求： cuda 8.0 python 3.6 virtualenv 推荐使用内存大于 10GB 的 GPU。 安装： $
很多商务人士在开会的过程中，会做录音。 录音可以用于及时地复习和回顾，避免忘记会议中的内容。 本文作者会展示一个完整的使用ffmpeg压缩和拼接音频的例子。 在例子中，3段会议的录音，如下图所示：
这是使用 Adobe Audition 将上述 PCM 音频数据转为 WAV 格式后的音频数据二进制信息 :
V853 芯片提供了 AudioCodec（芯片内置音频接口） x1、I2S/PCM（数字音频接口） x2、DMIC（外置数字 MIC 接口） x1，可以满足各类音频需求。100ASK_V853-PRO开发板板载两个MIC拾音咪头和喇叭接口。如下图所示：
输入：解压后的语料库路径（data/aidatatang_200zh） 输出：text, wav.scp, utt2spk, spk2utt # Data Preparation: generate text, wav.scp, utt2spk, spk2utt local/data_prep.sh $data/aidatatang_200zh/corpus $data/aidatatang_200zh/transcript || exit 1; 流程： 1.参数/文件夹路径等效验 2.检验是否一共有237
（前段时间在做嵌入式的课程设计，特将学习心得整理如下） 一、开发工具及环境介绍 1、ARM处理器 ARM处理器是一个32位元精简指令集(RISC)处理器架构,其广泛地使用在许多嵌入式系统设计。 ARM处理器特点： 体积小、低功耗、低成本、高性能； 支持Thumb（16位）/ARM（32位）双指令集，能很好的兼容8位/16位器件； 大量使用寄存器，指令执行速度更快； 大多数数据操作都在寄存器中完成； 寻址方式灵活简单，执行效率高； 指令长度固定。 2、交叉编译环境 2.1、交叉编译 交叉编译（cross-co
这部分将变得稍微高级一些，但从长远来看，它将使在 Python 中处理 WAV 文件变得更加容易。 在本教程结束时，我们将构建出 waveio 包：
我今天收拾东西找到了几个IIS的传感器，看了下都是音频的器件。以前使用是ESP32 自带的IIS，因为时间的原因没有研究很多，这篇文章做下简单的总结。
本章介绍如何使用PaddlePaddle实现简单的声纹识别模型，首先你需要熟悉音频分类，没有了解的可以查看这篇文章《基于PaddlePaddle实现声音分类》
Python在语音识别方面功能很强大，程序语言简单高效，下面编程实现一下如何实现语音识别。本文分享如何调用百度AI开放平台实现语音识别技术。
代码在：https://github.com/vell001/audio-annotator
/******************************************************************************************************* 文件功能：wav文件中提取pcm数据 作者：HFL 日期：2014-1-12 说明：wav文件就是在pcm数据的基础上加了一文件头。文件头的大小为44个字节（没有附件字段的情况，如果有附加字段问46个字节） ，剔除文件头，就是纯pcm采样过来的数据。 pcm构成要素：采样率 ，声道个数，数据符号特性（一般8位都是无符号的） ********************************************************************************************************/ #include<stdio.h> #include<stdlib.h> void main() { FILE *infile, *outfile; char *buf = NULL; long length; if((infile = fopen ("e:\\1.wav", "rb+"))==NULL) { printf("Open the 1.wav failed\n"); return ; } else { printf("Open the 1.wav success\n"); } if((outfile = fopen ("e:\\2.pcm", "wb"))==NULL) { printf("Open the 2.pcm failed\n"); return ; } else { printf("Open the 2.pcm success\n"); } /*获取文件的长度*/ fseek(infile,0,SEEK_END); length=ftell(infile); buf = (char*)malloc(length-43);/*文件数据段长度等于文件总长度-文件头长度位置*/
参考文章：https://blog.csdn.net/hesong1120/article/details/79043482
很多朋友都知道，ffmpeg是一个功能强大的多媒体处理工具，可惜它并不是java语言开发，如果需要在java项目中使用时，得自己写很多代码，幸好github上有一个开源项目jave2 把ffmpeg做了封装，很大程度上简化了开发，使用方法如下：
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM
