从波形录制的音频文件中删除初始静音

Question

谁能帮助我消除录制的音频文件中的初始静音？

我正在获取wav文件的数据字节，并忽略了前44个头字节字节，获得0字节的结束范围（在wave文件中处于静默状态）。

从总数据字节，静音音频字节的结束范围和文件的总持续时间之后，我正在计算音频文件的静音时间，并从音频文件中修剪那么多时间。

但是问题仍然在于音频文件中还剩下一些无声部分。

所以不确定我是否错过了什么？

- (double)processAudio:(float)totalFileDuration withFilePathURL:(NSURL *)filePathURL{
    NSMutableData *data = [NSMutableData dataWithContentsOfURL:filePathURL];
    NSMutableData *Wave1= [NSMutableData dataWithData:[data subdataWithRange:NSMakeRange(44, [data length] - 44)]];
    uint8_t * bytePtr = (uint8_t  * )[Wave1 bytes] ;
    NSInteger totalData = [Wave1 length] / sizeof(uint8_t);
    int endRange = 0;
    for (int i = 0 ; i < totalData; i ++){
           /
        if (bytePtr[i] == 0) {
            endRange = i;
        }else
            break;
    }

    double silentAudioDuration =(((float)endRange/(float)totalData)*totalFileDuration);
    return silentAudioDuration;
}
- (void)trimAudioFileWithInputFilePath :(NSString *)inputPath toOutputFilePath : (NSString *)outputPath{
    /
    NSString *strInputFilePath = inputPath;
    NSURL *audioFileInput = [NSURL fileURLWithPath:strInputFilePath];

    /
    NSString *strOutputFilePath = [outputPath stringByDeletingPathExtension];
    strOutputFilePath = [strOutputFilePath stringByAppendingString:@".m4a"];
    NSURL *audioFileOutput = [NSURL fileURLWithPath:strOutputFilePath];
    newPath = strOutputFilePath;

    if (!audioFileInput || !audioFileOutput){
        /
    }

    [[NSFileManager defaultManager] removeItemAtURL:audioFileOutput error:NULL];
    AVAsset *asset = [AVAsset assetWithURL:audioFileInput];
    CMTime audioDuration = asset.duration;
    float audioDurationSeconds = CMTimeGetSeconds(audioDuration);

    AVAssetExportSession *exportSession = [AVAssetExportSession exportSessionWithAsset:asset presetName:AVAssetExportPresetAppleM4A];

    if (exportSession == nil){
        /
    }

    /
    float startTrimTime = [self processAudio:audioDurationSeconds withFilePathURL:audioFileInput];
    /
    /
    float endTrimTime = audioDurationSeconds;

    recordingDuration = audioDurationSeconds - startTrimTime;

    CMTime startTime = CMTimeMake((int)(floor(startTrimTime * 100)), 100);
    CMTime stopTime = CMTimeMake((int)(ceil(endTrimTime * 100)), 100);
    CMTimeRange exportTimeRange = CMTimeRangeFromTimeToTime(startTime, stopTime);

    exportSession.outputURL = audioFileOutput;
    exportSession.outputFileType = AVFileTypeAppleM4A;
    exportSession.timeRange = exportTimeRange;

    [exportSession exportAsynchronouslyWithCompletionHandler:^{
         if (AVAssetExportSessionStatusCompleted == exportSession.status){
         }
         else if (AVAssetExportSessionStatusFailed == exportSession.status){
         }
     }];
}

我在这里做错了什么？

Answer 1

您的文件可能没有完全静音吗？ 也许您的样本的值为1或2或3，从技术上讲它不是静默的，但非常安静。

Wave文件如果是16位，则存储为带符号的数字；如果是8位，则存储为无符号的。 您正在处理数据并将其转换为无符号字节：uint8_t * bytePtr =（uint8_t *）[Wave1 bytes];

您需要知道可以从标题获得的wave文件的格式。 （它可能会使用8位，16位，24位等样本大小）

如果是16位单声道，则需要使用：

int16_t * ptr = (int16_t) [Wave1 bytes];

您的循环一次计数一个字节，因此您需要对其进行调整以增加帧大小的大小。

您也不考虑单声道/立体声。
通常，您的processAudio函数需要更多详细信息，并应考虑每帧的通道数（立体声/单声道）和样本大小的大小。

这是iOS类型的wave标头。 您可以转换前44个字节并获取标头数据，从而知道要处理的内容。

typedef struct waveHeader_t
{
    //RIFF
    char        chunkID[4];             ///< Should always contain "RIFF" BigEndian    //4
    uint32_t    chunkSize;              ///< total file length minus 8  (little endian!!!)    //4
    char        format[4];              ///< should be "WAVE"  Big Endian

    // fmt
    char        subChunk1ID[4];         ///< "fmt " Big Endian                //4
    uint32_t    subChunk1Size;          ///< 16 for PCM format                        //2
    uint16_t    audioFormat;            ///< 1 for PCM format                       //2
    uint16_t    numChannels;            ///< channels                                     //2
    uint32_t    sampleRate;             ///< sampling frequency                           //4
    uint32_t    byteRate;               ///< samplerate * numchannels * bitsperSample/8
    uint16_t    blockAlign;             ///< frame size
    uint16_t    bitsPerSample;          ///< bits per Sample

    char        subChunk2ID[4];         ///< should always contain "data"
    uint32_t    subChunk2Size;          ///< 

    ///< sample data follows this.....
} waveHeader_t;

所以你的待办事项清单是

• 从标题中提取字段
• 具体获得通道数和每个通道的位数（请注意**每个通道的BITS）
• 使用适当的大小指针指向数据，并一次遍历一帧。 （单帧具有一个可能为8、16、24等位的样本。立体声帧具有两个可能为每个样本8、16或24位的采样。例如LR LR LR LR LR LR将为6帧）

Answer 2

Apple生成的wave文件的标头通常不是44个字节。 Apple生成的某些标头的长度为4k字节。 您必须检查wave RIFF标头中是否有额外的“ FFLR”字节。 如果您不跳过这些多余的填充，您将在安静状态下停留大约十分之一秒的时间（甚至可能是不良数据）。