重要假設/基礎：采集到的音頻在起始處有一小段靜音，長度為幾百毫秒，這是我們估計靜音閾值E0的基礎，也是語音降噪的基礎。

1. 能量energy

　　選區一定數量的音頻幀，計算其平均能量值，然后加上一個經驗值或乘以一個大于1的系數，由此得到E0。

　　javascript在瀏覽器源碼頁面--console模塊下--輸出console.log();

　　　　　　取絕對值：Math.abs()

　　　　　　x的y次冪：Math.pow(x,y)

　　　　　　取對數： Math.log(Math, data);

　　基于普天信息語音轉寫平臺，web錄音和實時語音分割

• question1: chrome瀏覽器html5網頁中的<script>標簽代碼找不到js文件及文件內定義的函數function。

　　resolve: html-<script>? 和 js中定義的方法/添加的語句有錯誤；

• question2: chrome能找到js文件，但html5無法調用js方法，報錯，而firefox瀏覽器可以。

　　resolve: 清空瀏覽器歷史緩存和清空js緩存(f12---network---disable cache)

• question3: html5<script>模塊程序觸發運行時間可能有差距。

　　window.clearInterval(clock_detection);
　　clock_detection = self.setInterval("audio_detection()", 100); //100ms觸發一次
　　window.clearInterval(clock); //每個4s調用setInterval中定義的函數showData
　　clock = self.setInterval("showData()",4000);

　　resolve: console.log()輸出觸發時間；輸出web stream input觸發時間

• question4: HZRecorder.js里buffer數據Float32Array每一位表示二進制還是十進制的語音采樣數據？

　　resolve: float32array里面是十進制float小數，可以轉化為2個Int16Array整數。

　　　　　convert: do it directly from the arraybuffer.

　　　　　(1) var data_int16array = new Int16Array(data.buffer); //buffer里面是float32array類型數據

　　　或：(2) var float32 = new Float32Array(data);

　　　　　　　　var int16 = new Int16Array(float32.buffer);

　　　　　　　　float32: [0.12005, 0.25046, 0.101102, 0.030112]　　int16: [-13107, 15823, -42142, 15588]

　　javascript.Float32Array類型數組表示的是平臺字節順序為32為的浮點型數組，內容初始化為0：

　　　　float32array.prototype.reduce()傳入一個函數作為累加器，從左到右遍歷，最終得到一個值

　　　　float32array.prototype.slice()提取數組的一部分并且返回一個新數組

　　　　float32array.prototype.some()如果數組中至少有一個元素滿足測試函數的要求，則返回true

　　　　float32array.prototype.subarray()從給定的起始位置返回一個新的float32array

　　　　float32array.get()獲取指定索引處的元素

• question5：單個buffer元素Float32Array長度為4096，跟錄音數據長度對不上。

　　　　web api包括：input sample_rate=44100; input sample_bit=16; output sample_rate=8000; output sample_bit=32

　　　　參見：https://developer.mozilla.org/zh-CN/docs/Web/API/AudioContext/createScriptProcessor

　　　　web api AudioContext.createScriptProcessor()創建一個ScriptProcessorNode用于通過javascript直接處理音頻

　　　　　　參數：buffersize:緩存大小必須為其中一個--256, 512, 1024, 2048, 4096, 8192, 16384

• question6: 較差的錄音設備噪音較大，對錄音數據有較大影響，尤其是開頭靜音部分。(手機錄音效果不錯，有麥克風陣列)

　　resolve: 更換設備；外接聲卡；麥克風整列；取音頻數據最大值進行比較(在較大噪音環境下，效果比能量均值要好)

• question7：一段靜音內判斷出多個結束端點

　　resolve: 加入triggered_value，加入起始端點觸發機制

• question8: 出現40-60ms長音頻

　　resolve: 因為list[length] = null，導致buffer.slice(0)截取全部音頻

• question9: triggered激活后，更新audiobuffer.length，否則靜音段會被截取出來。
• question10: firefox火狐瀏覽器不能設置默認麥克風, can't set default microphone.

　　resolve: 添加一個觸發函數。在recorder.start()開始之后，激活觸發函數。

2. 過零率zero

　　優化：

　　　　(1)高通濾波器，它以高于某一截止頻率的頻率傳遞信號，并衰減低于截止頻率的信號。(我認為不可行，因為web錄音實在html和js上，沒有現成的python包調用傅里葉變換fft去獲得語音頻率，如果自己在js中實現，程序運行成本太高，而且也不能保證效果)

　　　　(2)設置一個門限T，將過零率的含義修改為跨過正負門限。(減去門限)

3. 高斯高階累積量

　　《現代語音信號處理》清音、噪音符合高斯分布，高斯四階及更高階的累積量會將噪音值清零，只留下有效語音數據，我個人認為其計算很麻煩，我能力不夠，沒法有效將其實現出來，用到js中。

　　-----以后如果哪位大腿實現出來，讓我抱抱阿，比心

總結

以上是生活随笔為你收集整理的基于能量或过零率的实时语音分割--学习笔记的全部內容，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。