Tweet アップルのSiriにも組み込まれてる音楽検索システムShazam、とても優秀ですよね。 Shazamなどがやってる仕事は一般的にAudio fingerprintingと呼ばれてます。強いノイズやダウンサンプリング、クエリ音声の短さ、膨大なデータベースに対する検索スピードの要求等、高いハードルを克服して楽曲をズバリ特定することが求められ、とても困難そうに見えますが、現在すでに業務レベルのパフォーマンスに達しているのは驚くべきことです。 もちろんShazamの完全な技術が公開されてるわけないですが、Shazamの基本技術となるLandmark-based fingerprintingを実装したシステムはgithubで公開されてます。 https://github.com/dpwe/audfprint 元論文はこれ A. Wang, An Industrial-Strength A
Landmark-based audio fingerprinting. Create a new fingerprint dbase with "new", append new files to an existing database with "add", or identify noisy query excerpts with "match". "precompute" writes a *.fpt file under precompdir with precomputed fingerprint for each input wav file. "merge" combines previously-created databases into an existing database; "newmerge" combines existing databases to c
(1)C言語で音声合成もどき ～WAVファイルを生成する～
この記事は素人が音声合成で遊んでいるだけの記事です。完全に行き当たりばったりなので、紹介している内容の保証はできません。また、記事の内容を予告なく変更することがあります。 「C言語で音声合成もどき」ということで、このシリーズではフォルマント合成と呼ばれる手法を使った音声合成プログラムをC言語で作っていきます。 本題の音声合成に入る前に、まずは肩慣らしとして音声ファイルを作るプログラムをつくります。 今回は 8bit, 44100Hz, 1ch のWAV形式のファイルを作成するプログラムを書いてみます。 (この記事では、比較的実装が簡単なWAV形式を扱います。ひょっとするとMP3形式等のほうが馴染み深いかもしれませんが、MP3ではデータ圧縮にやや複雑なアルゴリズムを使うことになります。) なお、WAVファイルの構造については WAVファイルフォーマット WAVE file format を参
[コラム]AndroidのAudioTrackを基礎から理解する
MediaCodecクラスの登場などにより、AudioTrackクラスを使う機会が増えてきました。そこでAudioTrackクラスの使い方について、メディア用語の解説も交えて解説していきます。 ■AudioTrackクラス リニアPCMの音声データを再生するためのクラスです。MediaPlayerクラスなどで再生するよりも使用方法は複雑ですが、バッファの扱いや音声の再生位置の確認などについて細かく制御することができます。 ■AudioTrackによる再生の流れ AudioTrackクラスの使い方の前に、AudioTrackクラスを使用するとどのような流れで音声が再生されるかを説明します。 ・ AudioTrack 音声データの制御(書き込み、再生や停止など)を行います。 ・AudioManager 再生ボリュームなどをコントロールします。 ・AudioSystem AudioFlinger
![[コラム]AndroidのAudioTrackを基礎から理解する](https://cdn-ak-scissors.b.st-hatena.com/image/square/aee86c4021d8d0db8ada22301980565473784ad0/height=288;version=1;width=512/https%3A%2F%2Fsiteproxy.ruqli.workers.dev%3A443%2Fhttp%2F1.bp.blogspot.com%2F-Zo_N13029jA%2FVbzfIwit-HI%2FAAAAAAAAAEA%2FGnFNjbZmnyc%2Fw1200-h630-p-k-no-nu%2FSoundForge_Streao_f.png)
With the increasing speed of todays desktop computer systems, a growing number of computationally intense tasks such as computing the Fourier transform of a sampled audio signal have become available to a broad base of users. Being a process traditionally implemented on dedicated DSP systems or rather powerful computers only available to a limited number of people, the Fourier transform can today
オーディオ/サウンドプログラミングの世界はとにかく情報が少ない。 後に続く人のためにも徐々に追加していこうと思う。 <2008/06追記> Flash音響ライブラリのPopforgeについて本を書きました。 http://d.hatena.ne.jp/miurror/20080610 <2008/07/14追記> 今更だけど一応Max/mspなども追加しておきます 理論系リンク ■The Scientist and Engineer's Guide to Digital Signal Processing 600ぺージのDSPプログラミングの本が全部タダでDLできる。 アリガタヤ...。 http://www.dspguide.com/pdfbook.htm http://www.dspguide.com/ch1.htm ■INTRODUCTION TO DIGITAL FILTERS 各
このレッスンで教える事1.使用するハードウェアを調べる 2.オーディオ出力ハードウェアの変更を取り扱う これを見ておいてください・Media Playback オーディオ再生の管理 Androidデバイスでオーディオを楽しむときユーザーには複数の選択肢が有ります。 大部分のデバイスが内蔵スピーカー、有線ヘッドセット用のヘッドフォンジャックを持ち、多くがBluetoothを接続してA2DPオーディオ機能もサポートします。 使用するハードウェアを調べるアプリがどのように振る舞うか、出力先により影響を受けるかもしれません。 以下に示すコード断片で、オーディオの現在の出力先がデバイススピーカー、有線ハンドセット、アタッチされたBluetoothデバイスのどれであるか、 AudioManagerに問い合わせる事が出来ます。 if (isBluetoothA2dpOn()) { // Adjust o
SavWav.cs �5�J V J V // Copyright (c) 2012 Calvin Rien // http://the.darktable.com // // This software is provided 'as-is', without any express or implied warranty. In // no event will the authors be held liable for any damages arising from the use // of this software. // // Permission is granted to anyone to use this software for any purpose, // including commercial applications, and to alter it
モバイルブラウザオーディオ調査・伝説の最期編
Web Audio の対応形式を HTML Audio インスタンスを生成して canPlay で判定しちゃいけないんだ…(2016/10/05) HTML Audio、もしくはHTML Videoをページ内で1つでも使用していた場合、 そのページでは WebAudioAPI の音がマナーモード時にも鳴ってしまう ということが判明しました。 Windows 8.1 + Firefox 44.0.2 で発生している HTML Audio で再生開始時のシークに失敗する問題の手当てしました。その時の音声ファイルは mp3 CBR でした。2016.3.9 本件は後に、プロジェクトで使っている mp3 の ID3 タグで独自の拡張をしていたためブラウザによってトラブルが起こることが判明する。2020.6.17 はじめに、モバイルブラウザオーディオの闇を晴らす この間、個人や企業のリリースしたモバ
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
