我想从我的麦克风录制音频，并通过语音转文本 API（几乎）实时转录。我可以使用的 STT API 是 Vocapia 的
我想从音频中删除所有非人声部分，使其适合语音识别数据集。我使用了 Spleeter 来分离人声，效果很好
我知道这已经发布了 <a href="https://stackoverflow.com/questions/3673042/algorithm-to-remove-vocal-from-sound-track">more than 10
我正在尝试从音频文件中识别所有字母。
音频文件 (26) 是我说字母表的录音。
所以我正在尝试实现一个
我找不到任何这样做的插件。所以我想我必须实现我自己的。您能否指导我实现音频处理库的正确方向
我正在使用数字放大器，从我所见，信号链的开头有一个隔直滤波器。我的问题分解如下：
<ol>
<li>为
我们的要求
<ul>
<li>获取音频缓冲区并使用 C 处理缓冲区，以通过创建和应用声音掩码来降低噪音。</l
我有一组想要生成频谱图的 wav 文件。但是当我使用 tf.audio.decode_wav 函数时，出现以下错误：
<块引用
我想读取我录制的 wav 文件并将其用于信号处理，处理方法如下：
<pre><code>//SIGNAL PROCESSING
private void pr
刚在应用中开始录制时，我就听到了咔嗒声。我不知道它来自哪里，我认为它可能来自点击按钮，但这
我通常使用此命令将带有 ffmpeg 的音频流转发到环回设备：
<code>ffmpeg -f alsa -i hw:1,0 -f alsa hw:Loopback -
你好，这是我第一次在 stackoverflow 上提问:)
我有一个一般问题和几个具体问题。后者在细节之后提
我有一个 .mp3 文件，我想将其转换为适合上传的视频格式，同时又不损失音频质量。
音频有潜意识信息
我正在尝试读取 <code>.wav</code> 文件，改变音高，然后将其写入 android 上的新文件。我正在使用 TarsosDSP
我正在做一些音频预处理来训练 ML 模型。<br/>
数据集的所有音频文件为：
<块引用>
RIFF（小端）数
我正在尝试制作一个能够从录音中提取人类语音的模型。为此，我加载了 1500 个嘈杂的文件（其中一些
所以我目前正在尝试弄清楚如何在 STM32F4DISCOVERY 板上使用 STM32CubeMX MCU 软件包附带的“音频播放和录制”
我正在尝试对某些音频文件运行一些批处理音频。
<ol>
<li>读取 wav 文件</li>
<li>消除沉默</li>
<li>将音
我想预测“重复”一词在演讲中的出现次数以及该词的大致持续时间。对于这项任务，我计划构建一个
<pre><code>result=librosa.feature.mfcc(signal, 16000, n_mfcc=13, n_fft=2048, hop_length=400)
result.shape()
</code></pre>
信号长 1 秒
