音频：更改字节数组中的样本量

我正在使用这种方法将wav文件读取到字节数组（如下所示） 。 现在我把它存储在我的字节数组中，我想改变音量。

private byte[] getAudioFileData(final String filePath) { byte[] data = null; try { final ByteArrayOutputStream baout = new ByteArrayOutputStream(); final File file = new File(filePath); final AudioInputStream audioInputStream = AudioSystem.getAudioInputStream(file); byte[] buffer = new byte[4096]; int c; while ((c = audioInputStream.read(buffer, 0, buffer.length)) != -1) { baout.write(buffer, 0, c); } audioInputStream.close(); baout.close(); data = baout.toByteArray(); } catch (Exception e) { e.printStackTrace(); } return data; } 

编辑：按要求提供有关音频格式的一些信息：

PCM_SIGNED 44100.0 Hz，16位，单声道，2字节/帧，小端

从物理课开始，我记得你可以通过将正弦值乘以0到1之间的数字来改变正弦波的幅度。

编辑：更新了16位样本的代码：

 private byte[] adjustVolume(byte[] audioSamples, double volume) { byte[] array = new byte[audioSamples.length]; for (int i = 0; i < array.length; i+=2) { // convert byte pair to int int audioSample = (int) ((audioSamples[i+1] & 0xff) <> 8); } return array; } 

如果我将audioSample与volume相乘，则声音会严重失真。 如果我不这样做，并将两个数组与Arrays.compare(array, audioSample)进行比较Arrays.compare(array, audioSample)我可以得出结论，字节数组正在被正确转换为int Arrays.compare(array, audioSample) 。

有人可以帮帮我吗？ 我在这里弄错了什么？ 谢谢！ 🙂

Answer 1

你确定你正在阅读8位单声道音频吗？ 否则，一个字节不等于一个样本，并且您不能只缩放每个字节。 例如，如果它是16位数据，则​​必须将每对字节解析为16位整数，对其进行缩放，然后将其写回为两个字节。

Answer 2

int类型的问题，java中int的大小是4个字节，样本大小是2个字节

这个代码：

 private byte[] adjustVolume(byte[] audioSamples, float volume) { byte[] array = new byte[audioSamples.length]; for (int i = 0; i < array.length; i+=2) { // convert byte pair to int short buf1 = audioSamples[i+1]; short buf2 = audioSamples[i]; buf1 = (short) ((buf1 & 0xff) << 8); buf2 = (short) (buf2 & 0xff); short res= (short) (buf1 | buf2); res = (short) (res * volume); // convert back array[i] = (byte) res; array[i+1] = (byte) (res >> 8); } return array; } 

Answer 3

你确定一个字节是一个样本吗？ 在此格式规范中，它看起来像样本有2个字节。 并且不要忘记让标题保持不变。

WAVE PCM声音文件格式

Answer 4

Rodion的答案是一个很好的起点，但不足以取得好成绩。

它引入了溢出，并且对于Android上的实时音频来说还不够快。

TL; DR：我的改进解决方案涉及LUT和增益压缩

 private static int N_SHORTS = 0xffff; private static final short[] VOLUME_NORM_LUT = new short[N_SHORTS]; private static int MAX_NEGATIVE_AMPLITUDE = 0x8000; static { precomputeVolumeNormLUT(); } private static void normalizeVolume(byte[] audioSamples, int start, int len) { for (int i = start; i < start+len; i+=2) { // convert byte pair to int short s1 = audioSamples[i+1]; short s2 = audioSamples[i]; s1 = (short) ((s1 & 0xff) << 8); s2 = (short) (s2 & 0xff); short res = (short) (s1 | s2); res = VOLUME_NORM_LUT[res+MAX_NEGATIVE_AMPLITUDE]; audioSamples[i] = (byte) res; audioSamples[i+1] = (byte) (res >> 8); } } private static void precomputeVolumeNormLUT() { for(int s=0; s 

这非常有效，可以很好地提升音频，没有剪切问题，可以在Android上实时运行。

我是怎么到那儿的

我的任务是包装一个专有的闭源TTS引擎（由客户提供），使其作为标准的Android TextToSpeechService工作。 客户抱怨音量太低，即使流量设置为最高。

我必须找到一种方法来实时提高Java的音量，同时避免剪辑和失真。

Rodion的解决方案存在两个问题 ：

1. 对于手机上的实时操作，代码运行有点太慢 （浮点慢）
2. 它不会阻止溢出 ，这可能会导致错误和明显的伪影

我来到这个解决方案：

通过为CPU交换RAM并使用查找表（LUT）可以提高计算速度 ，即为每个输入短值预先计算音量 - 增强函数值。

这样你就可以牺牲128K的RAM但完全摆脱声音处理中的浮点和乘法，这在我的情况下是一个胜利。

至于溢出 ，有两种方法可以解决这个问题。 丑陋的是简单地用Short.MIN_VALUE或Short.MAX_VALUE替换短距离之外的值。 它不会阻止剪切，但至少它不会溢出，并且伪像不那么令人不安。

但我发现了一种更好的方法，即应用非线性增强 （也称为增益压缩）。 您可以使用指数函数而不是仅预先计算乘法LUT，您可以预先计算非线性增强。 实际上，该function与LUT非常吻合，并且可以通过这种方式预先计算任何类似的function。

找到一个好的增强function和function的最佳参数的最佳方法是暂时试验不同的function，一个简单但好的工具是https://mycurvefit.com/

其中一个function似乎很有希望，我只需做一个小修改就可以使负值以对称的方式工作。

在玩了一些参数后，我得出的结论是，如果函数通过[0,0]，[10000,25000]和[32767,32767]，我将得到很好的结果。

我需要相当大的音量提升，你可能想要更加微妙。

MyCurveFit给了我这组参数：y ₀ = 1.240769e-22，v ₀ = -4.66022，k = 0.0001408133

在LUT中预先计算的最终boost函数如下所示：

免责声明：我不是DSP专家，我被警告说，这样的提升不适合Hi-Fi音乐等，因为它引入了音色，谐波和其他微妙的文物的变化。 但它很快并且对我的目的非常有效，我认为这对于涉及语音和Lo-Fi的一般用途很多都是可以接受的。