問題タブ [aubio]

Is there a way I can cast all the values as float32 per CHUNK of data? I tried this way it doesn't give me an error but then aubio isn't able to recognize any pitch. Also I can't cast directly as float32 or it becomes too sensitive for FFT I am using in a different part of the program.

Aubio は、サウンド ファイルを分析する C 言語で書かれたツールです。Android、iOS、その他多くのプラットフォームと互換性があります。

私の質問: Android 用の aubio をビルドする方法に関するステップバイステップのガイドはありますか? または、少なくとも必要なすべてのツール (waf、ndk、CMake など) とそれらをいつどのように使用するかのリストはありますか? 以前はJavaでAndroid用のアプリしか開発したことがありません。

プロジェクトから簡単な例を実行したいだけです。

私はすでにAndroid ndkの開発者ガイドを読み、wafファイルとAndroidサンプルスクリプトをどうするかを理解しようとしました. しかし、私はそれを理解できませんでした。（ndkはCMakeを使用しているようですが、ファイルでそれを正しく使用する方法と、それがうまくいくかどうかはわかりません）

aubio の公式 Web サイトの Android のセクションにあるインストール ガイドはあまり役に立ちません。また、ndk が SDK 内に統合されているように見えるため、時代遅れに感じられます。(役に立たない: https://aubio.org/manual/latest/installing.html#android )

少なくとも検索を開始できるアイデアはありますか?

音声サンプルの知覚ピッチ (音声のみ、背景や音楽なし) を特定して、音声をバス、テナー、アルト、メゾソプラノ、ソプラノとして識別しようとしています。

そのために、タイムコードのリストと任意のオーディオ ファイルのそれぞれの周波数を返す aubio を使用します。

データを使用してピッチを決定する最善の方法を見つけるのに苦労しています。私の最初のアイデアは、単純に良くないか、うまく実行されていません。

1. aubio から返された頻度のリストを取得し、次のように中央値を計算します。

2. 次に、見つかった周波数の中央値を取得し、それを「ベース」、「バリトン」、「テナー」、「アルト」などにマッピングします。

残念ながら、結果には一貫性がありません。たとえば、非常に低い声の周波数の中央値が非常に高くなりすぎることがよくあります。

基本周波数を決定しようとする方法には欠陥があると思いますが、より良いアプローチを思い付くのに苦労しています。

たとえば、次のような疑問が生じます。

1. おそらく「s」などの音からのものであるため、400hzなどの周波数を超える周波数は破棄する必要がありますか?

2. 人間が声の高さを知覚するとき、実際に聞いているのは何ですか? 基本周波数？特定の周波数のエネルギー？

それを要約すると、全体的な質問は次のようになります。

「aubio のデータを使用して、認識された音声録音のピッチ (歌ではなく話している) を計算するための正しいプログラム的アプローチは何ですか?」

編集 – AUBIO の使用方法