stretchAudio
Time-stretch音频
描述
例子
使用TSM
读入一个音频信号。听音频信号和阴谋。
[audioIn, fs] = audioread (“Counting-16-44p1-mono-15secs.wav”);t =(0:大小(audioIn, 1) 1) / fs;情节(t, audioIn)包含(“时间(s)”)ylabel (“振幅”)标题(原始信号的)轴紧网格在
声音(audioIn fs)
使用stretchAudio1.5应用加速因子。听修改后的音频信号和阴谋。采样率是相同的,但信号的持续时间减少。
audioOut = stretchAudio (audioIn, 1.5);t =(0:大小(audioOut, 1) 1) / fs;情节(t, audioOut)包含(“时间(s)”)ylabel (“振幅”)标题(修改后的信号,加速系数= 1.5)轴紧网格在
声音(audioOut fs)
减缓0.75原始音频信号的因素。听修改后的音频信号和阴谋。与原始音频采样率是相同的,但信号的持续时间增加了。
audioOut = stretchAudio (audioIn, 0.75);t =(0:大小(audioOut, 1) 1) / fs;情节(t, audioOut)包含(“时间(s)”)ylabel (“振幅”)标题(修改后的信号,加速系数= 0.75)轴紧网格在
声音(audioOut fs)
TSM适用于频域音频
stretchAudio金宝app支持TSM在频域音频在使用默认声码器的方法。TSM应用到频域音频可以重用你的STFT计算多个TSM因素。
读入一个音频信号。听音频信号和阴谋。
[audioIn, fs] = audioread (“FemaleSpeech-16-8-mono-3secs.wav”);声音(audioIn fs) t =(0:大小(audioIn, 1) 1) / fs;情节(t, audioIn)包含(“时间(s)”)ylabel (“振幅”)标题(原始信号的)轴紧网格在
将音频信号转换为频率域。
赢得=√损害(256“周期”));ovrlp = 192;S = stft (audioIn“窗口”,赢了,“OverlapLength”ovrlp,“中心”、假);
加速1.4倍的音频信号。指定窗口和重叠长度用来创建频域表示。
α= 1.4;audioOut = stretchAudio(年代,α,“窗口”,赢了,“OverlapLength”,ovrlp);声音(audioOut fs) t =(0:大小(audioOut, 1) 1) / fs;情节(t, audioOut)包含(“时间(s)”)ylabel (“振幅”)标题(修改后的信号,TSM系数= 1.4)轴紧网格在
减缓音频信号的0.8倍。指定窗口和重叠长度用来创建频域表示。
α= 0.8;audioOut = stretchAudio(年代,α,“窗口”,赢了,“OverlapLength”,ovrlp);声音(audioOut fs) t =(0:大小(audioOut, 1) 1) / fs;情节(t, audioOut)包含(“时间(s)”)ylabel (“振幅”)标题(修改后的信号,TSM系数= 0.8)轴紧网格在
增加忠诚使用锁相
默认TSM方法(声码器)使您可以另外申请锁相增加忠诚到原始音频。
读入一个音频信号。听音频信号和阴谋。
[audioIn, fs] = audioread (“SpeechDFT-16-8-mono-5secs.wav”);声音(audioIn fs) t =(0:大小(audioIn, 1) 1) / fs;情节(t, audioIn)包含(“时间(s)”)ylabel (“振幅”)标题(原始信号的)轴紧网格在
锁相添加了一个重要的计算负载TSM和并不总是必需的。默认情况下,锁相是禁用的。1.8的加速因子应用于输入音频信号。听音频信号和阴谋。
α= 1.8;抽搐audioOut = stretchAudio (audioInα);processingTimeWithoutPhaseLocking = toc
processingTimeWithoutPhaseLocking = 0.0798
声音(audioOut fs) t =(0:大小(audioOut, 1) 1) / fs;情节(t, audioOut)包含(“时间(s)”)ylabel (“振幅”)标题(修改后的信号,α= 1.8,LockPhase =假')轴紧网格在
1.8应用相同的加速因子输入音频信号,使锁相。听音频信号和阴谋。
抽搐audioOut = stretchAudio (audioInα,“LockPhase”,真正的);processingTimeWithPhaseLocking = toc
processingTimeWithPhaseLocking = 0.1154
声音(audioOut fs) t =(0:大小(audioOut, 1) 1) / fs;情节(t, audioOut)包含(“时间(s)”)ylabel (“振幅”)标题(修改后的信号,α= 1.8,LockPhase = true”)轴紧网格在
增加使用WSOLA三角洲忠诚
波形相似性交叠相加(WSOLA) TSM方法使您能够指定的最大数量样品寻找最好的信号对齐。默认情况下,WSOLA三角洲是样品在分析窗口的数量减去样品的数量之间的重叠相邻分析窗口。增加WSOLA三角洲增加计算负载但也可能增加忠诚。
读入一个音频信号。听第一个10秒的音频信号。
[audioIn, fs] = audioread (“rockguitar - 16 - 96立体声- 72 secs.flac”);声音(audioIn (1:10 * fs,:), fs)
TSM因素0.75适用于使用WSOLA输入音频信号的方法。听第一个10秒的音频信号。
α= 0.75;抽搐audioOut = stretchAudio (audioInα,“方法”,“wsola”);processingTimeWithDefaultWSOLADelta = toc
processingTimeWithDefaultWSOLADelta = 19.4403
声音(audioOut (1:10 * fs,:), fs)
TSM因素0.75适用于输入音频信号,这一次增加WSOLAδ- 1024。听第一个10秒的音频信号。
抽搐audioOut = stretchAudio (audioInα,“方法”,“wsola”,“WSOLADelta”,1024);processingTimeWithIncreasedWSOLADelta = toc
processingTimeWithIncreasedWSOLADelta = 25.5306
声音(audioOut (1:10 * fs,:), fs)
输入参数
输出参数
算法
阶段声码器
WSOLA
TSM WSOLA算法是一种时域方法[1][2]。WSOLA是重叠和添加的扩展(OLA)算法。在OLA算法,在间隔η,时域信号窗口的η=元素个数(。构建时标修改输出音频,在间隔δ窗户间隔,δ≈η/α。α是指定的TSM因素窗口)- - -OverlapLengthα输入参数。
OLA算法很好地重建光谱级但可以引入阶段窗口之间跳跃。WSOLA算法试图平稳阶段跳跃通过搜索WSOLADelta样品在η间隔的窗口最小化阶段跳跃。迭代算法搜索最佳的窗口,所以,每一个选择窗口相对于以前选定的窗口。
如果WSOLADelta被设置为0OLA,那么该算法减少了。
引用
[1]Driedger, Johnathan, Meinard穆勒。“回顾时标修改音乐信号。”应用科学。问题2卷。6日,2016年。
[2]Driedger, Johnathan。“时间尺度修正算法对音乐音频信号”,硕士论文,萨尔州大学萨尔布吕肯,德国,2011年。
