音频变调算法小结

（本文目前很简略，我有机会再完善。所以目前本文不适合大众阅读，除了文后列举的参考文献）

什么是变调？

一段声音可以理解为多种频率正弦波的叠加[1]，而音调就是一段声音的主要频率。改变了主要频率，就是改变了音调——提高了主要频率，就是升调，反之亦然。

音频变调的几种方法

磁带机快进的时候播放，声音会变得非常刺耳，这就是升调的表现——我们可以粗略地理解为，当速度变了，那么频率也会改变。本文的“音频变调”算法有个前提，是“变调不变速”。与“变调不变速”算法相关的，自然是“变速不变调”算法。参考文献[2] 已经汇总了这两种算法。“变调不变速”有三类方法：时域法、频域法、参量法——但是不管哪一类方法，其本质都是“猜测”（或者叫估算）出“完美”变调后的声音波形。

“同步交叠相加方法”（Synchronized overlap-add method, SOLA） 是一种常见的时域法。在 SoX 中的 pitch 音效使用的就是这种方法。这种方法应该是计算复杂度最低的算法了，对于实时性要求高、计算能力差（如移动设备）的场景下可以考虑。

文献[3]是频域法的一个具体实现方式，其C++实现的代码也公开了出来（见文献[3]的链接）。频域法的主体思想是把频域中的幅度做整体平移（左移就是降调，右移同理），然后在恢复成时域信号。频域法需要做傅里叶变换或者小波变换等频谱变换，计算复杂度往往比时域法高。

相关开源软件