音频变速开源框架SoundTouch

SoundTouch是一个开源的音频处理库，主要实现包含变速、变调、变速同时变调等三个功能模块，能够对媒体流实时操作，也能对音频文件操作。采用32位浮点或者16位定点，支持单声道或者双声道，采样率范围为8k~48k。当然，这里的变速是通过节拍tempo控制的，因此它能提取乐音的节拍。另外，这个库的算法被很多知名软件使用，如audacity，winnap等。

三个功能分别采用的算法：

变速不变调：通过wsola类型的算法实现；

rate：通过插值抽取实现；（重采样的算法我已经写过一个函数了，现有的函数也比较多）

变调不变速：前两个的组合，先变速，然后重采样。

主要使用的函数都在soundtouch.H文件中包含，当然，它也做成了一个dll，还给出了一个使用样例。可以通过样例来看它的使用，还有一个readme文件，其中有详细的介绍。

我个人总结的主要注意事项： 

1、  使用前需要初始化SoundTouch对象，初始化的方法是用setSampleRate和setChannels设置音频流的参数。1为单声道，2为双声道。采样率为8000~48000Hz。然后可以通过相应的函数来设置新的pitch，tempo，rate等。

2、  SoundTouch就像一个FIFO管子，先进去的先出来。用putSamples来输入采样值，用receiveSamples来获取处理后的值。需要注意的是，新的pitch，tempo，rate必须在putsample之前就设定好。而不是填充好数据了才设置新的值。

3、  SoundTouch需要成批的数据到来才能处理，所以必须有足够的采样到来，处理才能进行。所以，这里会有一些延迟（latency），输入不一定会马上处理，输出也不一定是刚刚输入的那一个。

4、  各个控制参数可以在处理期间改变，但是没有一个控制信号来实现同步，所以如果在多线程里面进行的话要增加另外的信号控制。

5、  Soundtouch类采用了TDStretch类来变速，采用了RateTranposer类来变采样率。Soundtouch的变调实际上是通过先用TDStretch把信号拉长了，这样变速了但是没有变调，然后再重采样，实现变调不变速。

6、  Soundtouch有定点和浮点两种算法，在win下面编译的时候，要在STTypes.H头文件中选择“#define INTEGER_SAMPLES     1”则用16位，如果是 选择了“#define FLOAT_SAMPLES       1” 就代表用float型的采样值。

7、  如果用了time-stretch功能的话，可能会有比较长的延迟，文献中比较低端的机器配置会有100ms的延迟处理时间，实际上根据我的机器配置（当前比较普通的）计算，延迟远小于这个数值，基本上在put进去之后马上就会计算出来。当然，变调用的是time-stretch和重采样的组合，也必须考虑这个延迟。

8、  有三个参数setting需要设置，DEFAULT_SEQUENCE_MS，帧长（ms），样例中用的是40；DEFAULT_SEEKWINDOW_MS，叠加的时候寻找窗的范围长度（ms），样例中给的是15；SETTING_OVERLAP_MS，叠加范围（ms），样例中用的是8； SETTING_USE_QUICKSEEK，是否使用快速查找方法；SETTING_USE_AA_FILTER，是否使用AA滤波器；SETTING_AA_FILTER_LENGTH，滤波器阶数，默认值是32。当然这些参数都有相应的默认值，如果你不去修改它也可以，但是为了实时或者音质的要求你可以根据需求调整它，详见它自带的readme文档。

转载于:https://my.oschina.net/aiadaniel/blog/97846