[C++ 基于Eigen库实现CRN前向推理]
第一部分:WavFile.class (实现读取wav/pcm,实现STFT)
- 前言:(Eigen库使用记录)
- 第一部分:WavFile.class (实现读取wav/pcm,实现STFT)
- 第二部分:Conv2d实现
- 第三部分:TransposedConv2d实现 (mimo,padding,stride,dilation,kernel,outpadding)
- 第四部分:NonLinearity (Sigmoid,Tanh,ReLU,ELU,Softplus)
- 第五部分:LSTM
- GITHUB仓库
1. 读写语音文件(wav/pcm)
1.1 wav文件读写
语音文件有很多后缀格式,这里只实现了两种后缀名,.wav和.pcm。
- WAV文件遵守资源交换文件格式之规则,在文件的前44(或46)字节放置标头(header),使播放器或编辑器能够简单掌握文件的基本信息,其内容以区块(chunk)为最小单位,每一区块长度为4字节,而区块之上则由子区块包裹,每一子区块长度不拘,但须在前头先宣告标签及长度(字节)。
- 标头的前3个区块记录文件格式及长度;
- 接着第一个子区块包含8个区块,记录声道数量、采样率等信息;
- 接着第二个子区块才是真正的音频资料,长度则视音频长度而定。
- 内容如下表所示。须注意的是,每个区块的端序不尽相同,而音频内容本身则是采用小端序。
-
读Wav文件
图中所示是一个wav的标准格式,但wav还有其他不同的存储格式,有些有扩展块之类的,需要根据具体的语音文件来确定。比如我用python中soudfile生成的语音,其format_tag=3,format_length=18(通常为16)。由于我没用到其他格式的情况,直接在下方用if else讨论format_tag=1和=3的情况。
总而言之,读取wav其实就是一个解析头文件的过程,把对应的头信息存下来,再去读取数据就好了。-
读wav文件的具体代码给出(后面会给整体的h文件和cpp文件):void Wav_File::LoadWavFile(const char *file_path) { FILE *fp = fopen(file_path, "rb"); if (fp) { fread(this->id_riff, sizeof(char), 4, fp); this->id_riff[4] = '\0'; fread(&this->file_size, sizeof(int16_t), 2, fp); fread(this->id_wave, sizeof(char), 4, fp); this->id_wave[4] = '\0'; fread(this->id_fmt, sizeof(char), 4, fp); this->id_fmt[4] = '\0'; fread(&this->format_length, sizeof(int16_t), 2, fp); fread(&this->format_tag, sizeof(int16_t), 1, fp); fread(&this->channels, sizeof(int16_t), 1, fp); fread(&this->sample_rate, sizeof(int16_t), 2, fp); fread(&this->avg_bytes_sec, sizeof(int16_t), 2, fp); fread(&this->block_align, sizeof(int16_t), 1, fp); fread(&this->bits_per_sample, sizeof(int16_t), 1, fp); if (this->format_tag == 1) { fread(this->id_data, sizeof(char), 4, fp); this->id_data[4] = '\0'; fread(&this->data_size, sizeof(int16_t), 2, fp); this->wav_size = this->data_size / sizeof(int16_t); this->ip_raw = (int16_t *) malloc(this->data_size); fread(this->ip_raw, sizeof(int16_t), this->wav_size, fp); this->data = (float_t *) malloc(this->wav_size * sizeof(float_t)); for (int i = 0; i < this->wav_size; i++) { this->data[i] = (float_t) (this->ip_raw[i] * 1.0 / 32768); } } else if (this->format_tag == 3) { fread(&this->cb_size, sizeof(int16_t), 1, fp); fread(this->id_data, sizeof(char), 4, fp); this->id_data[4] = '\0'; fread(&this->data_size, sizeof(int16_t), 2, fp); this->wav_size = this->data_size / sizeof(float); this->fp_raw = (float *) malloc(this->data_size); fread(this->fp_raw, sizeof(float), this->wav_size, fp); this->data = (float_t *) malloc(this->wav_size * sizeof(float_t)); for (int i = 0; i < this->wav_size; i++) { this->data[i] = this->fp_raw[i]; } } } fclose(fp); }
-
写出Wav文件
Wav文件写出和读入是完全对应的,把读到的信息反向写出就可以了。
如果对数据有所操作,需要去找对应的变量进行修改,比如长度,需要更新总文件的file_size以及data chunk的data_size。
具体代码给出:void Wav_File::WriteWavFile(const char *dest_path) { for (int i = 0; i < wav_size; i++) { if (format_tag == 1) this->ip_raw[i] = (int16_t) (this->data[i] * 32768); else this->fp_raw[i] = this->data[i]; } FILE *fp = fopen(dest_path, "wb"); if (fp) { fwrite(this->id_riff, sizeof(char), 4, fp); fwrite(&this->file_size, sizeof(int16_t), 2,