SoundTouch实现音频变速变调

介绍

SoundTouch

是一个用C++编写的开源的音频处理库，可以改变音频文件或实时音频流的节拍(Tempo)、音调(Pitch)、回放率(Playback Rates)，还支持估算音轨的稳定节拍率(BPM rate)。ST的3个效果互相独立，也可以一起使用。这些效果通过采样率转换、时间拉伸结合实现。

• Tempo节拍 ：通过拉伸时间，改变声音的播放速率而不影响音调。
• Playback Rate回放率 : 以不同的转率播放唱片（DJ打碟？），通过采样率转换实现。
• Pitch音调 ：在保持节拍不变的前提下改变声音的音调，结合采样率转换+时间拉伸实现。如：增高音调的处理过程是：将原音频拉伸时长，再通过采样率转换，同时减少时长与增高音调变为原时长。

处理对象

ST处理的对象是PCM（Pulse Code Modulation，脉冲编码调制），.wav文件中主要是这种格式，因此ST的示例都是处理wav音频。mp3等格式经过了压缩，需转换为PCM后再用ST处理。

主要特性

• 易于实现：ST为所有支持gcc编译器或者visual Studio的处理器或操作系统进行了编译，支持Windows、Mac OS、Linux、Android、Apple iOS等。
• 完全开源：ST库与示例工程完全开源可下载
• 容易使用：编程接口使用单一的C++类
• 支持16位整型或32位浮点型的单声道、立体声、多通道的音频格式
• 可实现实时音频流处理：
  
  • 输入/输出延迟约为100ms
  • 实时处理44.1kHz/16bit的立体声，需要133Mhz英特尔奔腾处理器或更好

相关链接

官网提供了ST的可执行程序、C++源码、说明文档、不同操作系统的示例工程，几个重要链接：

• SoundTouch官网
• ST处理效果预览（SoundStretch是官网用ST库实现的处理WAV音频的工具）
• 源码编译方法、算法以及参数说明
• 常见问题（如实时处理）

Android中使用SoundTouch

Android中使用ST，需将ST的C++代码使用NDK编译为.so库，再通过JNI调用。参考：SoundTouch in Android

1.下载源码

下载：soundtouch-1.9.2.zip ,包含ST的C++源码、Android-lib示例工程。

2.编译so

NDK的编译操作可参考：Android NDK编译C/C++为so共享对象

E:\>cd soundtouch-1.9.2\soundtouch\source\Android-lib\jni    //根据Android.mk，定位到jni
E:\soundtouch-1.9.2\soundtouch\source\Android-lib\jni>ndk-build    //开始编译

编译完毕后可以在新生成的\Android-lib\libs下得到不同CPU的libsoundtouch.so

3.导入so

在Eclipse-ADT中import进Android-lib工程。
在项目目录下，新建与\src平级的\libs文件夹，将编译出的so放在此处即可。

4.运行效果

该工程实现了对wav文件的变调处理，如图。

调用接口与参数

示例工程中的SoundTouch.cpp是ST的调用接口，音调、音速的变化是通过为ST设置新的参数，这些参数需在正式开始处理前设置好。接口的调用示例可以参考soundtouch-jni.cpp中的_processFile函数。

采样：

• setChannels(int) 设置声道，1 = mono单声道, 2 = stereo立体声
• setSampleRate(uint) 设置采样率

速率：

• setRate(double) 指定播放速率，原始值为1.0，大快小慢
• setTempo(double) 指定节拍，原始值为1.0，大快小慢
• setRateChange(double)、setTempoChange(double) 在原速1.0基础上，按百分比做增量，取值(-50 .. +100 %)

音调：

• setPitch(double) 指定音调值，原始值为1.0
• setPitchOctaves(double) 在原音调基础上以八度音为单位进行调整，取值为[-1.00,+1.00]
• setPitchSemiTones(int) 在原音调基础上以半音为单位进行调整，取值为[-12,+12]

以上调音函数根据乐理进行单位换算，最后进入相同的处理流程calcEffectiveRateAndTempo()。三个函数对参数没有上下界限限制，只是参数过大失真越大。SemiTone指半音，通常说的“降1个key”就是降低1个半音。所以我认为使用SemiTone为单位即可满足需求，并且容易理解。

处理：

• putSamples(const SAMPLETYPE *samples, uint nSamples) 输入采样数据
• receiveSamples(SAMPLETYPE *output, uint maxSamples) 输出处理后的数据，需要循环执行
• flush() 冲出处理管道中的最后一组“残留”的数据，应在最后执行

八度音Octave、半音SemiTone与Key

作为音痴，顺道了解下乐理的皮毛：

钢琴键盘上的一个黑键或白键就是一个key，乐理中叫semiTone半音。 上图的白键c d e f g a b，加黑键#c #d #f #g #a，共12个半音称为1个八度音。我们唱的do re mi fa so la si对应其中的7个白键。

12个半音从低到高分别是： c #c d #d e f #f g #g a #a b

2个半音=1个全音，相邻的键差1个半音（如c与#c），相隔的键差1个全音（如c与d）。

“降3个key”就是将原本的g音唱为e；
“降1个八度”是指原本唱高音组中的g，唱为中音组中的g，是降了12个key。
“升key降八度”是一种歌唱方法： 歌手音准在a2，歌曲在d3，这时候有2个办法：
1、把伴奏降key，从d3降到a2，这样伴奏和歌手都在a2上
2、把伴奏升key，从d3升到a3，歌手用a2来唱。这样歌手a2和伴奏a3虽然不同，但是都在a调上，所以不会别扭。
采用方法2“升key降八度”是因为伴奏升key的音质损失更小。

SoundTouch实时处理音频流

ST对音频的处理是输入函数putSamples()与输出函数receiveSamples()。实时处理音频流的思路就是，循环读取音频数据段，放入ST进行输出，输出处理后的数据段用于播放。

How to use SoundTouch for realtime audio processing?

Create a processing function that is called by realtime system once realtime input samples are available, so that this function puts realtime input samples into SoundTouch pipeline with ‘putSamples’ function call, and use ‘receiveSamples’ function for extracting resulting output samples for realtime output processing.

由于业务要求使用Android的AudioEffect机制实现变调处理，得空后再尝试以JNI形式直接处理音频数据的工程。

参考

1. soundtouch之变调、变速、节拍
2. Android下使用SoundTouch实现变声并转为wav格式播放
3. SoundTouch音频处理库源码分析及算法提取（1-9）
4. FFmpeg + SoundTouch实现音频的变调变速（视频中音频提取）