很长一段时间，扎根在音频领域，各种玩耍。

渐渐上了轨道。

一切的一切仅仅因为相信自己能做好，也必须做好。

不懂就去查，去问，去找资料，去找视频。

渐渐的，我开始懂了，也慢慢有了系统性的理解。

随后经常能发散思维。

最近，

在自动增益，

音频降噪，

语速检测，

相位谱重建各个算法之间穿梭。

慢慢有所产出，有所突破。

特别是在音频降噪领域，

不能算质的飞跃，

但是确实摸到了一些规律。

而写完相位谱重建算法之后，

我也突发奇想，

相位谱既然能通过高斯分布的思路进行重建，

那是不是可以说明，

高斯分布可以用来作为音频算法的信号标准化，归一化。

这是一个值得去研究的方向，

音频信号的高斯归一化。

前面面试了一家公司的时候，

提到说音频通过能量谱可以重建相位谱，

那面试官好像认定我是傻子，

就好像觉得我是在胡扯一样。

真的懒得解释，

实操是验证真理的唯一标准。

而语速检测，

其实有点类似音乐的节拍检测，

只不过一定要去除空白帧，

因为空白从另一个角度来说，

可以认为是停顿，或者说换气。

所以语速检测的思路也可以基本确认。

而自动增益方面，

找资料的时候发现一个神奇的标准，EBU R128，

这里就不科普展开了，感兴趣的可以维基一下。

这个算法在FFMPEG里面有很详细的实现，

抠出来算法代码，直接应用，

效果不要太好。

近期，终于回到广东，

在南京接受了太多的负能量，回来之后真的有获得新生的感觉。

世界顿时和平。

相对于深度学习而言，

我还是比较坚持采用传统算法去实现降噪增益等处理，

原因也很简单，音频时效性特别重要。

采用深度学习很多时候要做大量的工作才能保证时效性了，

从软件，硬件的角度来说，音频不比图像好处理。

自然挑战也多了起来，

不过庆幸的是，

在傻逼一样的坚持之后，

不采用深度学习方案的音频降噪，

终于达到近乎可以商用的程度了。

当然最近也在思考算法的下一步优化方案。

继续验证思路，继续改良。

这里放出linux系统下的可执行文件，供大家评测。

下载地址：https://files.cnblogs.com/files/cpuimage/denoise.zip

解压后采用命令行: ./denoise sample.wav 

执行后生成降噪后的文件sample_out.wav

现在是自适应降噪强度，

降噪后自动做增益(2018.1.11移除自动增益)，

后续计划加上降噪的强度控制。

噪声样本自行寻觅，

比较好找。就不提供了。

在音频这条路上，

如果我走偏了，大家记得把我拉回来。

2018.11.3 补充:

最近在看一些语音增强的算法，找点思路或者说灵感。

不知道是不是我理解有问题，

我发现一些老外做的算法，

存在一些算法逻辑上很绕的问题，

我总有种感觉，他们对傅里叶变换理解得不够深刻，

还是说数学学得不好。

昨晚上一直在理解一份java版本的音频降噪开源代码，

看得我一阵蒙圈，

地址是：https://github.com/alexanderchiu/AudioProcessor

作为学习音频增强降噪算法，的确是一份相对而言逻辑比较清晰的实现了。

这代码大家仔细看完一定会跟我有一样的感受，就是逻辑思路很绕。

有种杂交水稻的感觉，算法效果还可以。

2018.12.1更新:

优化算法效果，再次减少计算量，提升性能，

并且支持多通道wav。

当然若有其他相关问题或者需求也可以邮件联系俺探讨。

邮箱地址是: 
gaozhihan@vip.qq.com