音頻混合wrt時間

Question

我已經通讀了很多關於堆棧溢出的問題，其中聲明混合音頻，你只需要添加字節幀在一起（並確保在必要時剪輯）。但是我應該怎麼做，如果我想說混合一個音頻與另一個偏移量。例如，我想在第一個音頻達到第5秒時將第二個音頻混合到第一個音頻中。

任何幫助，將不勝感激！

Answer 1

通常，在計算機上處​​理音頻時，您將使用PCM樣本格式的時域音頻。也就是說，每秒多次，該時間點的壓力水平將被測量並量化爲一個數字。如果您使用CD質量的音頻，則每秒44,1000個採樣是採樣率。該數字通常被量化爲16位整數。 （-32,767至32,768）。 （其他採樣率，位深度和量化值都在這裏並經常使用，這只是一個例子。）

如果要混合兩個具有相同採樣率的音頻流，可以簡單地將這些值的每個樣品一起。如果你仔細想想，如果你聽到來自兩個來源的聲音，他們的壓力水平會以相同的方式相互影響。有時他們會互相抵消，有時他們會互相補充。你提到了剪輯...你可以做到這一點，但是你會在混合中引入扭曲。當聲音太大而無法量化時，會將其限制在可量化範圍的最大值和最小值範圍內，導致發出咔嗒聲，砰砰聲和質量差的聲音。如果你想避免這個問題，你可以將每個級別降低一半，保證即使兩個級別都處於最高級別，它們也會在適當的範圍內。

現在，你的問題是關於混合音頻與偏移。這完全沒有什麼不同。如果你想開始混合5秒鐘，然後5 * 44,100 = 220500，這意味着將一個流的樣本零對齊到另一個流的樣本220500並混合。