检查音频缓冲区的声音

Question

我有一个程序，我正在从麦克风录制 24/7 的 1.5 秒音频缓冲区。 现在，我不想将缓冲区（根本没有声音）发送到服务器，这只会使它更加滞后并浪费带宽，我想检查缓冲区中是否有声音..

缓冲区如下所示：

    short int *waveIn = new short int[NUMPTS];

在哪里：

const double seconds = 1;
const int sampleRate = 8000;
const int NUMPTS = sampleRate * seconds;

所以，我有一个包含 8000 个单元的短整数数组，用于存储音频缓冲区...

现在，通过使用 Visual Studio 调试器检查，在我将麦克风音频捕获到缓冲区之后，缓冲区看起来像这样：

waveIn[0] = -125
waveIn[1] = -780;
waveIn[2] = -1320;

等等……

现在，我需要使用这个缓冲区来检测它是否捕获了音频，或者它只是一个不包含声音的缓冲区...

运行几次后，我注意到当缓冲区内部确实有声音时，单元格包含的数字较小。例如，一个包含声音的数组通常看起来像这样：

waveIn[0] = -1300;
waveIn[1] = -3200;
waveIn[2] = -2400;

现在，我的问题是，有时，包含音频的缓冲区有很大的数字（更接近于 0），即使里面有声音..

因此，例如，有时单元格可以有 -600 ~ -1200 范围内的数字，而其中没有任何内容，而有时，它们可以有 -600 ~ 1200 范围内的数字，并且实际上包含声音。

那么，如何检测音频缓冲区内部是否有声音？

我希望我已经足够清楚了......

谢谢！

编辑：我忘了提，我正在使用 Wave API 来处理音频...

Answer 1

假设您使用的是 WAVE_FORMAT_PCM，则单个样本的范围可以在 32K 和 -32K 之间，静音是接近 0 的小数字。要计算声音的幅度，您应该取多个样本（正样本和负样本）的绝对值同等重要），然后平均它们。仅查看 3 个样本是非常不够的（仅 3/8000 秒），因此请选择与真实声音相当的间隔，例如十分之几秒。不存在意味着声音存在的神奇幅度阈值，因此更好的策略是比较连续间隔的幅度，甚至是运行平均值，寻找从低（接近安静）到显着更高（更大声）的变化。因此，您将有一个基于背景噪声级别的移动阈值。