Hogyan működnek a hang magasságot átalakító programok?

A 7. fizika tankönyvből csak azt kell tudnia, hogy mi az a frekvencia meg amplitúdó. De nem is biztos, hogy egyáltalán tananyag az még 7.o.-ba. Viszont tisztában kell lenni a harmonikus jelekkel, korreláció és konvolúció. DFT, FFT, Laplace.

Nem olyan egyszerű, mint ahogy itt pár válaszban le van írva. Ez is egy külön szakterület.

"csak azt kell tudnia, hogy mi az a frekvencia meg amplitúdó."

Meg a moduláció.

De sajnos neki még ennyi is sok, ahogy elnézem. Az ő problémájához pedig tényleg nem kell más.

Ezt már neki írom:

Adott egy 8 Khz-en, 8 biten mintavételezett hang.

Ez másodpercenként 8000 darab 0 és 255 közötti integer. Ezt kell nekitolni a hangkeltő eszköznek. Ha a 8000 darab minta egy másodpercnél rövidebb/hosszabb idő alatt kerül lejátszásra, akkor az idővel arányosan torzulni fog.

Vélhetően ez a cél.

Kis kapcsolódó háttéranyag:

[link]

Azt a rohadt eget, mennyi zseni... A legegyszerűbb eset, amikor a mintavételezéshez képest lassabban ill. gyorsabban játszod le. Nyilván így időben/tempóban is arányosan változik az eredmény. Ezen a nyomon haladva játszhatsz olyat, hogy granuláris reszintézissel, tehát szakaszokra osztva, tempót nem nagyon téveszve játszod lassabban-gyorsabban a darabkákat, de egymás után úgy pakolod őket, hogy az első minta pont akkor megy, amikor az eredeti sebességgel menne. A minőségén javíthatsz ablakolással (windowing), vagyis amikor hangosodik az elején, halkul a végén a kis szakaszod, és ezek a következő kis szakasszal úgy vannak egymásra pakolva, hogy konstans legyen az eredő hangerő, vagyis pici crossfading van két szomszédos grain közt. Nem kötelező konstans hosszúságú szeletkékre osztani: teheted függővé egy kisebb, együttmozgó fft ablak részeredményeitől, vagy egy tranziensdetektor kimenetétől, vagy akár mindkettőtől is.

A haladóbbak pedig igenis fft analízis-reszintézis alapon mennek, nem ritkán jól kitanított AI döntései alapján többfelé osztva és kombinálva a jelet műsor szerint. Például amikor a beszédhangzókat meg kellene őrizni, miközben az alaphang transzponálva megy, minél több mellékhatást alig hallhatóra kellene csökkenteni, esetleg még bele-bele kéne igazítani frekvenciában és ritmikában, mivel mondjuk ének... Nagytudású barátunk megnyugtatására közölném, hogy napi gyakorlatban, vélhetően jól optimalizált megoldásokkal egy nem őskövület gép egyetlen processzormagján vígan elfut több ilyen sztereó sáv, és minőségben mondjuk élő előadásra, irdatlan hangosítás alá, vagy kevésbé tökéletességhajház stílusokban, jobb minőségű sávok közt játszva teljesen elmegy.