問題タブ [audio]

私が作っているコンピュータ ゲームでは、音を出したいのは当然です。これまで、AudioClip を使用して WAV ファイルを再生してきました。このアプローチは問題なく機能しますが、WAV ファイルは巨大になる傾向があります。数秒の音は、数百 kB になります。95% オーディオのゲームをダウンロードすることに直面しています!

ここでの明らかなオプションは、MP3 または Ogg Vorbis を使用することです。しかし、私はこれで限られた成功しか収めていません.JLayerを使用してMP3を再生できます(ただし、同じスレッドで再生されます)。Oggに関しては、まったく運がありませんでした。さらに悪いことに、JLayer の法的地位は少し疑わしい面があります。

そこで私の質問は、Java 開発者と、サウンドについて実際にある程度知っている一般の人々の両方に向けたものです。どうにかして WAV から「脂肪を取り除く」ことはできますか? JavaでOggをプレイする方法はありますか? 代わりに使用すべき他のサウンド形式はありますか?

HTMLページに埋め込まれたオーディオ（wavファイル）の奇妙な動作が発生しています。次のようなページと、タグhttps://server.com/listen-to-soundを介して埋め込まれたWavファイルがあります。<EMBED/>

このページhttps://server.com/listen-to-soundは、マシン＃1のIE6SP3で開かれます。サウンドはヘッドホンで再生されます。同じページが別のマシン（＃2）で開かれ、IE 6 SP3のバージョン、プライバシー、プロキシの設定がまったく同じです。音が出ません。

合計で、6台のマシンからサウンドが2台で再生され、4台では再生されません。これらの4台のマシンからhttps://server.com/listen-to-sound、Operaでページを開くと、サウンドが再生されます。

ヘッドフォンの接続、音量設定、その他のハードウェアとソフトウェアのドライバーの問題をトリプルチェックしました。問題は間違いなくIEの設定にあります。

URLも確認しました。https://server.com/path.to.sound音が鳴らない4つのマシンはこのリンクを開くことができず、「ページのダウンロードに失敗しました」などのエラーが表示されます。

IEキャッシュ、インターネット一時ファイル、SSL証明書キャッシュをクリーンアップしても問題は解決しませんでした。

グーグルは私に特別なことは何も与えませんでしたが、オブジェクトのコメントに書かれる<OBJECT>タグとタグを使用する古いFlashのトリックです。<EMBED>

私は何を逃しましたか？同様のまたは関連する問題を経験しましたか？彼らはどのように解決されましたか？トリックがどこにあるかについて何か提案はありますか？埋め込みオブジェクトの実行（再生、表示）に影響を与える可能性のあるIEの「機能」を知っていますか？

サウンド ファイルを再生するために Delphi 内で使用できる関数はどれですか?

ムーグやDX7などのクラシックシンセサイザーの音を再現するソフトウェアシンセサイザーを書こうとしています。誰かがこのようなもののコードリソースを知っていますか？ありがとう。

構築できる優れた Ruby オーディオ ライブラリはありますか?

mp3ファイルの管理・編集が必要!!!

私は Audible 形式に関するリファレンスを探しましたが、人々はそれを解読/変換することのみに関心があるようです。Kindle や iPod で使用できるように、Audible 形式に変換したい MP3 ファイルのコレクションがあります。

Audible または保護された AAC 形式と、セクション マーカーとメタデータがどのように表現されるかについて、適切なリファレンスを持っている人はいますか? さらに良いのは、ユーティリティまたはコード サンプルですか?

私は現在、特定のオーディオ形式にエンコードされた音声の送信を必要とするアプリケーションに取り組んでいます。

これは、オーディオがPCM形式、1秒あたり8000サンプル、1サンプルあたり16ビット、モノラル、1秒あたり平均16000バイト、2のブロックアライメントであることを示しています。

次のコードを実行しようとすると、MemoryStreamインスタンスに何も書き込まれません。ただし、毎秒8000サンプルから11025まで変更すると、オーディオデータは正常に書き込まれます。

8000のサンプルレートを使用したときに記録された例外やエラーはなく、SetOutputToAudioStreamに関するドキュメントで有用なものが見つからず、8000ではなく11025サンプル/秒で成功する理由があります。wavファイルを含む回避策があります。いくつかのサウンド編集ツールを使用して生成され、正しいサンプルレートに変換されましたが、可能であれば、アプリケーション内からオーディオを生成したいと思います。

特に興味深い点の1つは、SpeechRecognitionEngineがそのオーディオ形式を受け入れ、合成されたWaveファイル内の音声を正常に認識したことです...

更新：最近、このオーディオ形式はインストールされている特定の音声では成功しますが、他の音声では失敗することがわかりました。特にLHMichaelとLHMichelleで失敗し、PromptBuilderで定義された特定の音声設定で失敗が異なります。

私は自分が持っているアイデアの概念実証を作成し始めています。この時点で、どのように開始すべきかについてのガイダンスが必要です。

しばらくの間「録音」するのではなく、マイク入力をサンプリングし、その信号をリアルタイムで処理する必要があります (Auto-Tune を考えてみてください。ただし、ライブで動作します)。

私がやっていることは、「一種の」「マイク入力から MIDI へのコンバーター」なので、非常に高速に応答する必要があります。

オンラインで少し調べたところ、どうやら進むべき道は DirectSound または WaveIn* API 関数のいずれかです。今、私が読​​んだことによると、WaveIn API を使用すると、特定のサイズのバッファーを埋めることができます。これは、記録と後処理には問題ありませんが、どうすればリアルタイム処理を行うことができるのでしょうか?

10 ミリ秒のバッファーを使用し、50 ミリ秒または 100 ミリ秒の循環配列を自分で保持し、10 ミリ秒ごとに分析をトリガーする関数を取得しますか? (最新の 100 ミリ秒の入力にアクセスでき、そのうち 10 ミリ秒のみが新しい)

ここで何か不足していますか？

また、これは DirectSound でどのように行われますか? 通常の Win32 API よりも機能が向上していますか?

このようなことが可能かどうか（そして比較的簡単にできるかどうか）疑問に思っています。

再生中の Wave ファイルにバンド フィルタリングを適用したいと考えています。ほとんどの Winamp のようなアプリケーションで見られる「イコライザー」に似たもの。
ただし、私の考えは、サウンドをイコライズするのではなく、非常に高い負の dB 値を使用して、フィルタリングしている帯域をほとんど殺すことです。

最初の質問は次のとおりです。DirectSound は、これを可能にする何かを提供してくれますか?
そうでない場合: これをどのように実装しますか?
高速フーリエ変換を使用して、サンプリングされた波形から周波数の分布に変換できることは知っています (完全には理解していませんが)。さて、特定の周波数の振幅値を変更した後、明らかにその分布から元の波形に戻ることはできません:-)

どうすればこのようなことができますか？

また、これらのフィルターをどの程度正確に作成できますか? (2250Hz から 2275Hz までのすべてを除外したい場合、フィルターの誤差はどうなるでしょうか? 得られる最大精度は何に依存するでしょうか?)

ありがとう！

Python スクリプトからオーディオ (1 秒のサウンドのようなもの) を再生するにはどうすればよいですか?

プラットフォームに依存しないのが一番ですが、まずは Mac で動作する必要があります。

Python内からコマンドを実行できることは知ってafplay file.mp3いますが、生のPythonで実行することは可能ですか? また、外部ライブラリに依存しない方がよいでしょう。