如何捕获麦克风缓冲区原始数据？ [关闭]

Question

我需要捕获麦克风提供的原始数据（每隔几毫秒）。对于 Python 的偏好，但它也可以在 C/C++ 中。我正在使用 Linux/macOS。

如何捕获音频波（麦克风输入）以及它将是什么类型的数据？纯字节？包含一些数据的数组？

我想对麦克风信号进行实时幅度分析和（如果幅度达到确定值）实时 fft，但我不知道麦克风为我提供什么数据和多少数据的概念。

我看到很多设置为捕获 44.1kHz 音频的代码，但它会捕获所有这些数据吗？获取的数据部分取决于它是如何编程的？

Answer 1

“我需要捕获麦克风提供的原始数据（每隔几毫秒）”

不，你没有。那是行不通的。即使您每毫秒捕获一次数据，恰好是 1000 微秒的倍数（无抖动），您的音频质量也会非常糟糕。 1000 Hz（每毫秒一次）的采样频率将奈奎斯特频率限制为 500 Hz。太低了。

“我想做实时幅度分析”。好吧，您忽略了 500 Hz 以上分量的幅度，这大约是可听频率的 98%。

“实时 fft” - 同样的问题，也会错过 98%。

您无法处理这样的原始音频。您必须依靠声卡来做繁重的工作，才能获得计时权。它可以每 21 微秒 采样一次声音，精度为微秒。您可以使用 ALSA 或 PulseAudio 或其他一些选项（在 Linux 上为您提供声音）与声卡对话。但是那里的建议会偏离主题。