如何像talking tom那样，自动监听到外部声音，和，简单的变声_2

****************************************************前言

没错，这是第2篇，第1篇在这里如何像talking tom那样，自动监听到外部声音，和，简单的变声_1

 

那么，第2篇将会说些什么呢？

1.第1篇中的方法，可以使用，但是局限性很大：你使用了该方法，你能检测到device1的声音，但是，相同的代码被安装到了device2（不同的品牌，或者，不同的型号），你发现监听不了了，你需要修改阀值。当你发布一款应用的时候，你会幻想着老板将所有的设备都为你买一台，以能在这些机器上进行测试

 

****************************************************打破那个局限性

public int read (byte[] audioData, int offsetInBytes, int sizeInBytes)
android可以监听到扬声器的数据（最终数据会放入audioData中），接下来，你需要对这个audioData中的数据进行分析，以判定，这部分数据是否是“人”的声音

 

如何判定：
你要先从audioData中拿到一个个的sample
sample是什么：样本，也许，你还听说过samplerate这个词语，它代表的是 一段时间内样本被采集的次数，声音最终被播放成什么样子，跟sample有很大的关系
sample占用了多少个字节：这个，你需要学习一个wav文件的header，推荐你一个：https://ccrma.stanford.edu/courses/422/projects/WaveFormat/
你会发现wav是个一个大杂缸，你会发现什么是PCM的wav

 

在得出了sample之后，我们将进行如下运算（假设，1个sample占用了2个字节）

int sample = 0;
float average;
for (int i = 0; i < audioDataLength; i += 2) {
	sample = Math.abs(audioData[i] | (audioData[i + 1] << 8));
	// 平均的sample
	average += 1.0f * sample / audioDataLength;
}

 

有必要再说一下，java中的byte/short/int等等，就是signed的，也就意味着，audioData[i] | (audioData[i + 1] << 8)这个值有可能是负数，所以，请你不要惊奇
而负数的存在，也是正常的，它代表了一个我们都不想去了解的专业概念
最终，你得到了一个值average，来代替一个数组audioData

 

如果直接拿average作为条件，来判定：刚监听到的声音数据是否是人声，也是可以的，但是，你会发现刚才我们提出的问题：局限性太大，即是：你的代码需要频繁的更改阀值，以确保在不同的device上面，能够监听到声音
如何打破这种局限性，使用一个你不想接触的概念：分贝
网上有很多，如何将pcm data转换为分贝的方法，下面说一下，我采用的这种（也意味着，你可以找到更准确的方法，也，欢迎回复我该方法）：
float db = (float) Math.abs(10 * Math.log10(average * average / 32767 / 32767));
非常的简单，最终，你从average得到了一个分贝值。
你会发现整个过程：audioData -> average -> db

 

你可以拿分贝来作为判定条件，我的实验结果是：无论device的操作系统是2.x还是4.x，只要位于[20,40]区间内，你都可以认为，你监听到的是人声
也请你注意：[20,40]并不是完美的，我实验了将近10-台机器，涵盖了samsung,htc,huawei，均是正确的
但是我也找到了：对于huawei u8800+，区间为[50,60]，所以，如果你找到了更准确的方法，欢迎回复我

华丽的连接线：

绑架一个wav

图片+音频->视频