音訊演算法之小黃人變聲 附完整C程式碼

cpuimage發表於2018-09-22
音訊演算法C程式

前面提及到《大話音訊變聲原理 附簡單示例程式碼》與《聲音變調演算法PitchShift(模擬湯姆貓) 附完整C++演算法實現程式碼》

都稍微講過變聲的原理和具體實現。

大家都知道，演算法從實現到最後工程應用，中間的環節和問題特別多。

尤其是編碼的架構設計，好的資料結構和程式碼邏輯封裝肯定是可複用，元件化的。

前幾天寫完《音訊識別演算法思考與階段性小結》的時候，

我也提及到了。

會做一些演算法編碼優化相關的分享。

而有時候我總覺得文字表達很蒼白，

所以我儘可能地把程式碼寫得簡潔易懂，

一方面是便於基礎差的朋友學習。

另一方面也是為了自己在編碼以及思考的時候，能更加清晰。

當然，變聲演算法絕大多數朋友都會選擇一些開源的或者商業sdk去做二次開發。

例如:

https://www.fmod.com/

https://www.surina.net/soundtouch/

但如果僅僅停留在使用的階段，它就是一個黑盒子。

知其然，卻不知其所以然。

是遠遠不夠的。

有時候我們是要站在巨人的肩膀上去看到更美麗的風景。

但是，我希望是一群人，而不是一個人。

也許大家也發現了，我寫的大多數演算法，是純c無第三方依賴的。

是不是就會懷疑，我就只會寫c語言？

不是的，我所掌握的程式語言：

主要： c,c++,python,彙編 

其次：pascal,c#,js,lua,go等

程式語言只是一個工具，關鍵還是演算法思路。

用純c寫的主要目的，是為了破除一些第三方依賴，

不要一知半解地使用黑盒子。

當然，其次的好處就是跨平臺，便攜，可複用。

這樣，一切瞭然於心。

為什麼不可以造輪子呢？

只要你造的輪子是有用的，

不管是用於觀賞用於學習還是其他用途。

在我瞭解到一些音訊演算法的思路之後，

變聲演算法的思路，

我覺得它的思路非常適用於擴充套件到大多數音訊演算法實現，

而且可複用度比較高。

所以，將它梳理開源，就顯得特別有意義。

而大家可以基於這個實現，進一步去改進或者學習 音訊演算法，

例如降噪，增益等等。

因為這個編碼實現的設計是完全可以適用到音訊演算法應用場景的。

邏輯也非常清晰。

專案地址：

https://github.com/cpuimage/pitchshift

當然為了便於一些朋友的學習使用，

示例程式碼提供一個簡易的實現，

模擬變聲為小黃人。

int main(int argc, char *argv[]) {
    printf("Audio Processing 
");
    printf("blog:http://cpuimage.cnblogs.com/ 
");
    printf("Pitch Shifting Using The Fourier Transform
");

    if (argc < 2)
        return -1;

    char *in_file = argv[1];
    uint32_t sampleRate = 0;
    uint64_t totalSampleCount = 0;
    uint32_t channels = 0;
    short *data_in = wavRead_s16(in_file, &sampleRate, &totalSampleCount, &channels);
    if (data_in != NULL) {
        float pitchShift = 0.9f;
        size_t ms = 50;
        size_t overSampling = 4;
        size_t frameSize = sampleRate * ms / 1000;
        frameSize += frameSize % 2;
        planData pitchPlanData = {0};
        double startTime = now();
        makePlanData(frameSize, overSampling, sampleRate, &pitchPlanData);
        pitchshift(pitchShift, data_in, data_in, totalSampleCount, &pitchPlanData);
        // turn to minion pitch
        {
            totalSampleCount /= 2;
            short *samples = data_in;
            for (int i = 0; i < totalSampleCount; i++) {
                data_in[i] = samples[0];
                samples += 2;
            }
        }
        double time_interval = calcElapsed(startTime, now());
        freePlanData(&pitchPlanData);
        printf("time interval: %f ms
 ", (time_interval * 1000));
    }
    char drive[3];
    char dir[256];
    char fname[256];
    char ext[256];
    char out_file[1024];
    splitpath(in_file, drive, dir, fname, ext);
    sprintf(out_file, "%s%s%s_out%s", drive, dir, fname, ext);
    wavWrite_s16(out_file, data_in, sampleRate, totalSampleCount);
    if (data_in) {
        free(data_in);
    }
    printf("press any key to exit.
");
    getchar();
    return 0;
}

不做多解釋，大家可以參閱pitchshift函式的實現，

主要實現位於檔案PitchShift.h。

整個演算法不到200行，邏輯非常清晰，

已經做了一定程度上的工程化優化。

當然還有很大的改進空間，

不過這份程式碼，更多的意義在於學習。

授人以魚不如授人以漁。

若有其他相關問題或者需求也可以郵件聯絡俺探討。

郵箱地址是: 
gaozhihan@vip.qq.com

相關文章