【音视频】常见的音频处理算法

【音视频】常见的音频处理算法

• 响度控制
  • 短时能量检测：将连续音频信号，按固定时间（如 10ms）分成一帧帧，计算短时能量。
  • 自动增益控制（AGC）
  • 动态范围处理（DRC）
  • 等响曲线
  • 限幅器（Limiter）
• 变速不变调
  • WSOLA（Waveform Similarity Overlap-Add），波形相似叠加法，实现时间拉伸效果。在一定的范围内查找待『叠加』的音频帧，该音频帧要符合与原位置处音频帧『波形最相似』的条件，符合该条件的音频帧作为输出帧进行输出视频的合成。
• 变调不变速
  • WSOLA + 重采样技术
• K 歌打分
  • 用算法（比如 YIN）提取基频，跟原始频率比较。只能判断准不准，不能判断好不好听（音色相关，比较主观）。
• 自动混响
  • 模拟反射。重复，延时，反射率。
• 均衡器
  • 改变各频段的能量分布，听感上音色会有些变化。
• 智能美声
  • 用原声音色数据替换变调后的音色数据，避免变调后的音色发生改变。
• 身份识别
  • 训练一个模型（GE2E）提取与身份相关的音色特征数据。
• 声音克隆
• 无参考评价