SoX是语音识别领域常用的一个很强大的工具,我最近的一个项目中也应用了SoX工具对语音数据进行重采样,但每次都在程序里通过系统调用SoX,并且因为SoX的输入输出都是文件,所以处理每一条语音数据都要进行好几次读写文件,严重影响了性能。SoX作为开源工具,它提供了libsox库给我们用,省去了系统调用造成的开销,同时,也提供了内存作为输入输出的接口函数。
SoX的大致工作流程是输Input→Combiner→Effects→Output。我用到的核心就是Effect,需要首先指定输入输出格式和数据,然后构建效果器,并添加进效果器链,通过flow实现对语音的处理,最后输出。
我用C++写了一个函数,应用场景是对已解码的8K采样率、16bit采样深度、无文件头的raw格式语音数据进行重采样,将采样率变为16K,其余参数不变。目的是为了不在应用程序里进行系统调用,不写文件,以提高效率。
以下代码参考了SoX源码里的examples,单独写的Demo也能工作,集成进项目的工程里,Debug模式编译之后可以正常工作,但Release就不行了,可能是处理时序有差别,但是我通过堆栈调用完全看不出头绪……堆栈显示上一层调用就是这个Resample函数,目前还是毫无头绪。#include "sox.h"
bool Resample (short* pWavBuf, int wavLen, short* pWav16k, int wavLen16k) {
//pWavBuf为输入的raw格式语音数据,采样率8K,采样深度16bit;
//wavLen为输入数据的长度&