我从事音频识别演示已有一段时间了，api 需要我传递采样率为 8000 或 16000 的 .wav 文件，所以我必须对其进行下采样。我尝试了以下两种算法。虽然他们都没有像我希望的那样解决问题，但结果存在一些差异，我希望这会使它更清楚。

这是我的第一次尝试，当 sampleRate % outputSampleRate = 0 时效果很好，但是当 outputSampleRate = 8000 或 1600 时，结果音频文件是 silent(表示输出数组的每个元素的值为0):

function interleave(inputL){
  var compression = sampleRate / outputSampleRate;
  var length = inputL.length / compression;
  var result = new Float32Array(length);

  var index = 0,
  inputIndex = 0;

  while (index < length){
    result[index++] = inputL[inputIndex];
    inputIndex += compression;
  }
  return result;
}

这是我的第二次尝试，来自一家大公司，但也没有用。更重要的是，当我设置 sampleRate % outputSampleRate = 0 它仍然输出一个silent 文件:

function interleave(e){
  var t = e.length;
  var n = new Float32Array(t),
    r = 0,
    i;
  for (i = 0; i < e.length; i++){
    n[r] = e[i];
    r += e[i].length;
  }
  sampleRate += 0.0;
  outputSampleRate += 0.0;
  var s = 0,
  o = sampleRate / outputSampleRate,
  u = Math.ceil(t * outputSampleRate / sampleRate),
  a = new Float32Array(u);
  for (i = 0; i < u; i++) {
    a[i] = n[Math.floor(s)];
    s += o;
  }

  return a
}

如果我的设置有误，这里是 encodeWAV 函数:

function encodeWAV(samples){
  var sampleBits = 16;
  var dataLength = samples.length*(sampleBits/8);

  var buffer = new ArrayBuffer(44 + dataLength);
  var view = new DataView(buffer);

  var offset = 0;

  /* RIFF identifier */
  writeString(view, offset, 'RIFF'); offset += 4;
  /* file length */
  view.setUint32(offset, 32 + dataLength, true); offset += 4;
  /* RIFF type */
  writeString(view, offset, 'WAVE'); offset += 4;
  /* format chunk identifier */
  writeString(view, offset, 'fmt '); offset += 4;
  /* format chunk length */
  view.setUint32(offset, 16, true); offset += 4;
  /* sample format (raw) */
  view.setUint16(offset, 1, true); offset += 2;
  /* channel count */
  view.setUint16(offset, outputChannels, true); offset += 2;
  /* sample rate */
  view.setUint32(offset, outputSampleRate, true); offset += 4;
  /* byte rate (sample rate * block align) */
  view.setUint32(offset, outputSampleRate*outputChannels*(sampleBits/8), true); offset += 4;
  /* block align (channel count * bytes per sample) */
  view.setUint16(offset, outputChannels*(sampleBits/8), true); offset += 2;
  /* bits per sample */
  view.setUint16(offset, sampleBits, true); offset += 2;
  /* data chunk identifier */
  writeString(view, offset, 'data'); offset += 4;
  /* data chunk length */
  view.setUint32(offset, dataLength, true); offset += 4;

  floatTo16BitPCM(view, offset, samples);

  return view;
}

这让我困惑了很长时间，请让我知道我错过了什么......

----------------------------问题解决后---------------- ------------------

我很高兴它现在运行良好，这是函数 interleave() 的正确版本:

    function interleave(e){
      var t = e.length;
      sampleRate += 0.0;
      outputSampleRate += 0.0;
      var s = 0,
      o = sampleRate / outputSampleRate,
      u = Math.ceil(t * outputSampleRate / sampleRate),
      a = new Float32Array(u);
      for (i = 0; i < u; i++) {
        a[i] = e[Math.floor(s)];
        s += o;
      }

      return a;
    }

所以你可以看到我传递给它的变量类型不正确~ 再次感谢亲爱的@jaket 和其他 friend ~虽然我自己弄明白了，但他们让我更好地了解了原来的东西~~~ :)

最佳答案

采样率转换不仅仅是简单地丢弃或插入样本。

让我们以 2 倍的降采样为例(例如 44100->22050)。一种天真的方法是丢弃所有其他样本。但是想象一下，在原始的 44.1kHz 文件中有一个 20khz 的正弦波。对于该采样率，它完全在奈奎斯特 (fs/2=22050) 范围内。在你扔掉所有其他样本后，它仍然会以 10kHz 的频率出现，但现在它会高于 nyquist (fs/2=11025)，并且它会混叠到你的输出信号中。最终结果是您将拥有一个频率为 8975 Hz 的大正弦波!

为了在下采样期间避免这种混叠，您需要首先设计一个低通滤波器，并根据您的抽取率选择截止频率。对于上面的示例，您将首先切断 11025 以上的所有内容，然后再进行抽取。

硬币的反面称为上采样和插值。假设您想将采样率提高 2 倍。首先，您在每个输入样本之间插入零，然后运行插值过滤器来计算值，以使用周围的样本替换零。

速率更改通常涉及抽取和插值的某种组合 - 因为两者都通过整数样本工作。以48000->32000为例。输出/输入比为 32000/48000 或 2/3。所以你将 48000 上采样 2 得到 96000，然后将它下采样 3 到 32000。另一件事是你可以将这些过程链接在一起。所以如果你想从 48000->16000 上升 3，下降 2，下降 2。另外，44100 特别困难。例如，要从 48000 移动到 44100，您需要上升 147，下降 160，并且不能将其分解为更小的项。

我建议您找一些代码或库来为您完成这项工作。您需要寻找的是多相滤波器或采样率转换器。

关于javascript - 将 PCM 音频从 44100 下采样到 8000，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/31818112/