录制时检测静音

Question

在Java中开始录制操作时，如何检测静音？什么是PCM数据？如何用Java计算PCM数据？我找到了解决方案：package bemukan.voiceRecognition.speechToText;import javax.sound.sampled.*;import java.io.*;public class RecordAudio {    private File audioFile;    protected boolean running;    private ByteArrayOutputStream out;    private AudioInputStream inputStream;    final static float MAX_8_BITS_SIGNED = Byte.MAX_VALUE;    final static float MAX_8_BITS_UNSIGNED = 0xff;    final static float MAX_16_BITS_SIGNED = Short.MAX_VALUE;    final static float MAX_16_BITS_UNSIGNED = 0xffff;    private AudioFormat format;    private float level;    private int frameSize;    public RecordAudio(){         getFormat();    }    private AudioFormat getFormat() {        File file = new File("src/Facebook/1.wav");        AudioInputStream stream;        try {            stream = AudioSystem.getAudioInputStream(file);            format=stream.getFormat();            frameSize=stream.getFormat().getFrameSize();            return stream.getFormat();        } catch (UnsupportedAudioFileException e) {        } catch (IOException e) {        }        return null;    }    public void stopAudio() {        running = false;    }    public void recordAudio() {        try {            final AudioFormat format = getFormat();            DataLine.Info info = new DataLine.Info(                    TargetDataLine.class, format);            final TargetDataLine line = (TargetDataLine)                    AudioSystem.getLine(info);            line.open(format);            line.start();            Runnable runner = new Runnable() {                int bufferSize = (int) format.getSampleRate()                        * format.getFrameSize();                byte buffer[] = new byte[bufferSize];                public void run() {                     int readPoint = 0;                        }                    }                }            };

Answer 1

在Java中开始录制操作时，如何检测静音？

计算一组声音帧的dB或RMS值，并确定将其视为“静音”的级别。

什么是PCM数据？

数据是在脉冲编码调制格式。

如何用Java计算PCM数据？

我不明白这个问题。但是，猜测它与speech-recognition标记有关，我有一些坏消息。理论上，这可以使用Java Speech API来完成。但是，显然没有适用于API的“语音到文本”实现（只有“文字到语音”）。

我必须计算语音识别项目的均方根值。但是我不知道如何用Java计算。

对于信号double范围在-1到1之间的单个通道，可以使用此方法。

/** Computes the RMS volume of a group of signal sizes ranging from -1 to 1. */

public double volumeRMS(double[] raw) {

    double sum = 0d;

    if (raw.length==0) {

        return sum;

    } else {

        for (int ii=0; ii<raw.length; ii++) {

            sum += raw[ii];

        }

    }

    double average = sum/raw.length;

    double sumMeanSquare = 0d;

    for (int ii=0; ii<raw.length; ii++) {

        sumMeanSquare += Math.pow(raw[ii]-average,2d);

    }

    double averageMeanSquare = sumMeanSquare/raw.length;

    double rootMeanSquare = Math.sqrt(averageMeanSquare);

    return rootMeanSquare;

}

有一个字节缓冲区来保存行中的输入值，我应该使用该缓冲区做什么？

如果使用该volumeRMS(double[])方法，则将byte值转换double为-1到1范围内的值的数组。