檢測歌曲中歌聲的起始位置？

Question

什麼是檢測歌曲中人聲開始的最佳方式？我只需要主唱的開始時間。極端精確度是沒有必要的。速度更重要。

非常感謝任何論文或算法的線索（如果存在的話）。同時尋找關於哪種框架/語言適合於此的建議。

Answer 1

*擾流板：答案是不低於*

因爲我打算做一些類似的，我做了關於這個問題我自己的一個小小的研究，並發現有一些確切的數字技術那可能會做到這一點。

我將列出參考文獻，並讓讀者自己決定這是否是正確的方法。這一切都與聲音音頻特徵提取有關，並在音頻數據中找到聲音特徵ARE。

你可以在這裏啓動，但它確實沒有任何地方引起，但可能是有用的，看看你是什麼到:)

http://en.wikipedia.org/wiki/Voice_activity_detection

然後，關於說話人識別的一些文章：

這裏有一個你需要知道的關於mel frequency cepstral coefficients（MFCC）特徵提取的引物。

http://www.speaker-recognition.org/navAlg.html

然後，例如，這樣的：

http://www.iccce.co.in/Papers/ICCCECE358.pdf

我知道，他們沒有直接導致解決您的問題，但至少你就可以掌握你將要處理的怪物的大小。

編輯：構架

我使用C＃進行有關的東西，並在第一次我用卷我，自己的FFT算法，然後遷移到使用英特爾數學庫ILNumerics庫，後來就更換所有與fftw。

http://ilnumerics.net/（HM，它是在一個時間免費）

http://software.intel.com/en-us/articles/intel-mkl/英特爾數學核心函數

http://www.fftw.org/（一個簡單的網頁，但殘酷的性能）

編輯：新FFT引擎

因爲我將一些代碼移植到了android上，所以我有一個很好的工作經驗，可以做一些認爲不可能的事情 - 比FFTW更快的FFT庫：FFTS。我對他的魔法的理解是有限的，但他使用各種處理器架構的codelet，並且勝過每個庫。

Answer 2

檢查信號功率對於流行音樂無濟於事。這是因爲當代流行音樂被高度壓縮。這意味着音頻壓縮器應用於製作過程的多個階段，使歌曲看起來更響亮。有關更多信息，請參閱術語「響度戰爭」。例如，請參閱Caty Perry的歌曲「煙花」。整首歌曲的音量水平幾乎是不變的。