軟件 包的命令行格式,以及全局選項,輸入輸出選項的用法,一般常見命

令行選項及參數的用法,下一節將講述SoX軟件包的更精彩部份:SoX效果器,下節再見。

第二節 SoX進階-SoX效果器

這一節講解SoX的效果器,也就是SoX里用來搞聲音濾波，采樣頻率轉換,和聲,混響,移相,調整音

量等等功能的選項，它是SoX里最精彩的部份，正是因為有了它們，SoX才不愧是linux里的瑞士

軍刀。從它們在命令行中位置來說,都是處于輸出文件的后面,可以只用一個,也可以多個聯合使

用。不過,建議還是一個一個的試用,調整好了再聯合使用,當然這樣對cpu要求就較高。基本上我

們將用SoX軟件包的'play'命令通過麥克風或揚聲器來聽結果,而不是看那些聲音文件中的謎一樣

的數據。

還有,這里用的是一小段自錄聲音(3.15分鐘長,'wav'格式,44.1 kHz采樣速率,16bit單聲道)。樣

本不應該包含任何特效,然而,假如你從磁帶或收音機或CD進行錄音,并且它聽起來象一場演唱會,或者象十個人在用鼓或其他的東西以同一個調子在演奏,那么用其他樣本。(典型樣本是:樂器少

于四種,并且無合成器,對于聯合的鼓,人聲,貝斯或吉他也是如此)。因為只有這樣才能感受到效

果器的作用,如果采用的音頻文件本身已經有很多特效,那么你是感受不到SoX的效果器的強大的

效果的,廢話少說,給個例子：

play 楊望.wav mixer 0.3,0.5,0.8,0.6

上式采用了mixer效果器,它通過混合或者減少音軌從而減少音軌數,或者通過復制音軌而增加音

軌數。上面幾個數字的意思是:0.3是從輸入聲道的左邊到輸出聲道左邊的音量值,0.5是從輸入聲

道的左邊到輸出聲道右邊的音量值,0.8是從輸入聲道的右邊到輸出聲道左邊的音量值,0.6是從輸

入聲道的右邊到輸出聲道右邊的音量值。用字母表示是:假設l是左,r是右,b是后面,f是前面,則

對于兩聲道是:l → l, l → r, r → l,r →r,意思是左-->左,左-->右,右-->左,右-->右。這是兩

聲道情況,四聲道則是:首先四個數字給出左-前輸出聲道lf → lf, rf → lf,lb →??lf,隨后是右-前聲道rb??→ lf;lf-->rf,lb-->rf,rf-->rf,rb-->rf;再隨后是左-后聲道輸出 lf-->lb,rf-->lb,

lb-->lb,rb-->lb;再次是右后聲道輸出lf-->rb,lb-->rb,rf-->rb,rb-->rb。這就是私生到的情

況。所以四聲道的數字可達16個之多。

下面例子則應用了tempo(節拍)效果器:

play *.wav tempo -q 0.8 82 20??16

在上面例子中,0.8設置 新節拍相對于老節拍的比率,82設置所選算法要劃分音頻的片段大小,單位

毫秒,20是音頻長度,依靠它來搜索以尋找重疊點,16是重疊長度。

下面給出一個顫動(tremolo)效果器的例子:

play file.wav tremolo 3.5 60

3.5是顫音頻率,,單位是赫茲Hz,60是深度百分比,具體來說就是"顫"到多長或深。

在電影中,有一種效果叫淡入淡出,在音樂中也有這種效果:

play file.wav fade t 00:00:100.09

上面例子中,fade是效果器名字,t是聲波包絡線形式,t是線性斜坡,選q則意味著是正弦波的四

分之一,h表示正弦波一半,l為對數,p為倒置拋物線。默認是線性斜坡。00:00:100.09是以hh:mm:

ss.fraq形式表示的時間,也可用采樣數來算,如設為8000s則為8000個樣本。

上面是淡入效果,那么要設置淡出效果又怎么辦,再看下例：

play *.wav fade t 00:00:50.09 00:01:00 00:00:06

上例中t上面已講,00:00:50.09是從0開始算起,到淡入結束所花費的時間;00:01:00是開始淡出的

時間點,00:00:06是開始淡出到結束所花費的時間。也就是說,從00:01:00開始淡出,花費6秒即00

:00:06的時間就結束了。上面的時間都可以選擇以樣本數量為單位,如上所述。

不知道大家有沒有這樣的感覺,就是有時候在用耳機聽cd音樂時,耳朵時間長了會嗡嗡的響,感覺

音樂就象從耳朵擴散到外面一樣,那是因為立體聲效應,在SoX軟件包內,有一過效果器可以消除這

種現象,它就是earwax,舉個例子：

play file.mp3 earwax

就是這樣簡單,就可以消除立體聲效應了。

有時候采樣次寸小于24字節的話,會發生可聽到的量化效應,應用dither(高頻顫動)效果器可消除

這種現象,它實際是故意地在信號里加入白噪聲,舉例如下：

play file.wav dither 100

上式中100是抖動深度(depth)值。

在自然界中,回聲處處可見,比如站在高山上,向周圍的山喊話,就會引起回聲,在喊和回聲之間的

時間間隔就是延遲,它的響度就是衰減值,下面給出一個回響例子：

play file.xxx echo 0.8 0.88 60 0.4

上式聽起來就象用兩個樂器演奏同一個樣本一樣,0.8是輸入音量,0.88是輸出音量,60是延遲,單

位是毫秒,0.4是相對于輸入音量的衰減值。

如果延遲時間變長,聽起來更象在山頂上的露天演唱會:

play file.wav echo 0.8 0.88 1000 0.4

衰減值最好不要大于0.5,否則可能引起輸出飽和。

假如延遲很短,聽起來象(金屬的)機器人的表演。

play file.wav 0.8 0.88 6 0.4

想要更多回響也可以實現:

play file.wav echo 0.8 0.9 1000 0.3 1800 0.25

如果是站在群山之間,還可能會引起連續回響,即回響本身有碰到鄰近山峰,反彈回來,又彈回去,

這種效果就是回聲,它是連續回響的意思,如果是單獨應用一次回聲,效果和回響是一樣的,下面看

一個兩次回聲例子:

play file.wav echos 0.8 0.7 700 0.25 700 0.3

在上式中,echos就是回聲效果器,應用這個效果器,回響將被彈回來兩次,因為兩次延遲時間相同,

都是700,這種回響叫對稱回聲,來一個不對稱的回聲：

play file.xxx echos 0.8 0.7 700 0.25 900 0.3

下面這個例子聽起來就象在汽車里演奏一樣：

play file.wav echos 0.8 0.7 40 0.25 63 0.3

上式由于延遲時間短,聽起來感覺有點沉悶,不是嗎?

在樂理中有和聲這樣一種效果,它指的是兩個以上不同的音按一定的法則同時發聲而構成的音響

組合。它包含：①和弦，是和聲的基本素材,由3個或3個以上不同的音,根據三度疊置或其他方法

同時結合構成，這是和聲的縱向結構。②和聲進行，指各和弦的先后連接，這是和聲的橫向運動

。補充一句。和聲有明顯的濃，淡，厚，薄的色彩作用；還有構成分句，分樂段和終止樂曲的作

用。SoX中也有這樣一種和聲效果效果器,名字叫chorus,就是英文和聲的意思,它工作起來就象

'echo'一樣',有一短的延遲。但是延遲不連續.延遲變化用正弦或者三角函數調制過。調制深度

定義了延遲之前或之后的調制范圍。因而延遲過的聲音聽起來忽快忽慢,這就是對原始文件得延

遲聲音進行過調制,在和聲里聽起來人的聲音好像有點變調,看下例:

play file.wav chorus 0.7 0.9 55 0.4 0.25 2 -t

上式中,55是延遲,0.4是衰減,0.25是調制速度,單位Hz,2是調制深度,典型的延遲在40毫秒(40ms)

到60毫秒(60ms),調制速度最好在0.25Hz附近,調制深度2毫秒左右(2ms)。-t使用三角函數調制,

上式延遲時間有點短,輸出有點過載。再看一個兩部和聲例子：

play 楊望.wav chorus 0.6 0.9 50 0.4 0.25 2 -t 60 0.32??0.4??1.3 -s

上式中采用了-s,表示正弦波調制。

下面例子采用了三部和聲：

play file.xxx chorus 0.5 0.9 50 0.4 0.25 2 -t 60 0.32 0.4 2.3 -t 40 0.3 0.3 1.3 -s

在看恐怖電影時,人在和鬼魂遇到之前,往往會放一些音樂來渲染一下,在SoX中也有類似的效果器

叫flanger,意思是翻邊,或者回吹的意思。它將對等的兩個聲音混合在一起,但是其中一個時間上

有些延遲,并隨著時間不斷變化,但是變化小于20ms.聽起來就象風吹過,速度變得忽快忽慢。fla-

nger廣泛用在恐怖和靈魂音樂中,那樣吉他頻率聽起來時快時慢。先看一個簡單的例子:

play 楊望.wav flanger

仔細聽經過正弦和三角波調制過得聲音之間的不同:

默認正弦波調制,再仔細聽經過正弦和三角波調制過得聲音之間的不同:

play 楊望.wav flanger triangle

再來一個采用平方內插法的:

play 楊望.wav flanger quadratic

下面給出一個采用不同掃描波形狀和不同內插法的例子：

play 楊望.wav flanger quadratic flanger lin flanger sine flanger triangle

最后給出一個全部參數的,并且對每一個參數給出解釋：

play 楊望.wav flanger 8 5 90 90 8??triangle 80 quadratic

上式中,8代表基本延遲,范圍在0 - 10之間,默認是0(單位毫秒ms).5代表附加掃描延遲,范圍在0

- 10之間,默認是2(單位毫秒ms).90是再生百分率即是延遲信號反饋的百分率,范圍在-95 - 95

之間,默認是0。第二個90是延遲信號和原始信號混合的百分比,范圍在0-100之間,默認是71。8是

掃描頻率,范圍在0.1-10之間,默認是0.5。triangle采用三角波調制,可選sin即正弦波調制。80

是掃描波相位移動百分比,0 = 100 = 對每個頻道同樣相位,范圍在0 - 100,默認是25。quadrat-ic平方內插法,可選線性內插法lin。實際當中用不著指定這么多參數,很多默認的。但是有特別

需要另當別論。

下面簡單介紹另外一個效果器,余響reverb。余響(reverb)效果經常用在小演奏廳,那種場合人很

多,對聲音反射到墻上形成干擾。reverb使得聲音感覺就象在一個大演奏廳似的。你可以在浴室

或車上或健身館里大喊一些話語,體驗一下余響效果,你將聽到話從墻上反射回來,舉例如下：

play 楊望.wav reverb 1 600 180

上式中,1是輸出音量,600是余響時間,180是延遲時間,延遲時間最好是余響時間的1/4到1/2。上

面只考慮了一面墻的情形,如果還要考慮在多加一面墻,上式應為:play 楊望.wav reverb 1 600

180 200。以此類推。

在音樂處理過程中,經常要對聲音進行移相處理,此時可用SoX中的phaser效果器進行處理,phaser

效果器就象flanger特效,但是用reverb替換echo,并做相序遷移。它支持多種樂器。看下例:

play file.wav phaser 0.8 0.74 3 0.4 0.5 -t

3是延遲時間,它必須小于5ms,0.4是衰減值,推薦小于0.5，0.5是掃描頻率,必須小于2Hz,-t采用

三角調制,如果要采用正弦函數調制用-s。再聽下面例子有什么不一樣:

再聽下面例子有什么不一樣,看有什么在耳朵里彈跳:

play 楊望.wav phaser 0.6 0.66 3 0.6 2 -t

如果調制普通的聲音則如下:

play file.wav phaser 0.89 0.85 1 0.24 2 -t

假如你要重復播放音頻,那么可以通過repeat來干這事:

play file.wav repeat 2

表示重復播放音頻兩次,為0表示無限次。

在生活中,人們經常會在車上,或者公共場合用耳機聽音樂,有時候聽到低音段的時候,會把音量開

得比較大,以便壓過周圍噪音,但是猛然間到了音高的地方,聲音會忽然變大,大得耳朵受不了。特

別是聽交響樂的時候。有沒有什么辦法讓它在低音部分不要那樣小聲,而在高音部分不要那樣刺

耳呢?這就是縮展器的作用了。壓縮-擴展器允許信號動態地壓縮或擴展。按照給定得起音和衰減

參數,計算輸入信號相對于時間的平均值,并按照給定的轉換函數(功能)參數,設置輸出信號的等

級。SoX的效果器中有個名叫compand的縮展器可用來干這事,看下例:

sox asz.flac asz-car.flac compand 0.3,1 6:-70,-60,-20 -5 -90 0.2

在上式中,compand是效果器名稱,0.3是起音時間(指的是生因忽然變大的時間),1是衰減時間,起

音時間應該比衰減時間短,因為我們的耳朵對忽然變大的聲音比對忽然柔和哦的聲音更敏感。

6:-70是縮展器轉換函數表,單位是dB,它跟音頻信號的最大幅值有關聯,它的意思是很柔軟的聲音

(-70dB以下)仍然保留不變,這將防止縮展器在在樂章轉換時從靜默忽然飆升音量。但是在-60dB

到0dB(最大音量)的聲音將被提高,原始音頻60dB的動態范圍將被壓縮成20dB,這樣頻寬足以享受

音樂同時有可以不受路上噪音的影響。這就是-60和-20的意思。-5是額外增益,用來避免削波,

-90表示初始化音量從幾乎靜默開始,這樣對于削波現象將有很好的抑制作用。0.2秒是的延遲使

得縮展器對于聲音的忽然升高有很好的抑制作用。

為了讓轉換函數的功能可視化,可用--plot選項調用SoX。例如:

sox??--plot gnuplot *.wav -n??compand 0,0 6:-70,-60,-20 -5 -90 0.2 > my.plt

再用gnuplot my.plt命令來查看它。

面的長長的命令顯示在FM調頻收音機中,怎樣建立多波段縮展:

play file.xxx vol -3dB filter 8000- 32 100 mcompand \

"0.005,0.1 -47,-40,-34,-34,-17,-33" 100 \

"0.003,0.05 -47,-40,-34,-34,-17,-33" 400 \

"0.000625,0.0125 -47,-40,-34,-34,-15,-33" 1600 \

"0.0001,0.025 -47,-40,-34,-34,-31,-31,-0,-30" 6400 \

"0,0.025 -38,-31,-28,-28,-0,-25" \

vol 15dB highpass 22 highpass 22 filter -17500 256 \

vol 9dB lowpass -1 17801

filter后面8000-和-17500代表低過濾，32代表高過濾,100和256代表窗口長度。filter表示Sinc

濾波器,它全部除去給定帶寬之上的信號分量而只保留低頻信號的理想電子濾波器。filter后面

的8000-表示低頻,32表示高頻,后面的filter類似,100是過濾窗口長度,highpass后面的數字是過

濾頻率。

在實際工作中,有時需要改變聲音的回放速率,但是同時維持它的音調,以取得某種戲劇性效果,可以通過stretch效果器做到,例如,要將回放速率改為原先的2倍:

play file.wav stretch 2

另外一個類似的效果器是speed,它用來改變回放調子和節拍。如:

play file.wav speed 2

而為了升高樣本1個短調(100音分),可以這樣做:

play file.wav pitch 100

總結

以上是生活随笔為你收集整理的java sox语音_Sox语音转换的相关知识的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。