C#基于NAudio的声音识别（一）——录制与切割

准备做个非特定的声音识别程序，卡在录音和切割一小段时间，C#下基于DirectX的声音处理真的超级麻烦，后来找到了NAudio，非常好用，安利给大家，顺带把几个小坑稍微描述下，希望帮到类似需求的人。

项目下载：

NAudio官方地址：http://naudio.codeplex.com/

GitHub地址：https://github.com/naudio/NAudio

下载后是完整的工程文件，直接运行应该没问题，官方的demo都写成自定义控件的形式，界面写的不错，我也就懒得慢慢摘出来了，照猫画虎的去掉了demo里面选择控件的部分，直接显示在tabControl里，效果如下图。

private void MainForm_Load(object sender, EventArgs e)
        {
            var demos = ReflectionHelper.CreateAllInstancesOf().OrderBy(d => d.Name);
            var plugin1 = (INAudioDemoPlugin)demos.Last();
            var control1 = plugin1.CreatePanel();
            control1.Dock = DockStyle.Fill;
            panel1.Controls.Add(control1);


            var plugin2 = (INAudioDemoPlugin)demos.First();
            var control2 = plugin2.CreatePanel();
            control2.Dock = DockStyle.Fill;
            panel2.Controls.Add(control2);
        }

demos是项目下所有自定控件的集合，我这里删的大部分，只留下了一个录音和一个播放，所以只有last和first。

至此，录音和播放功能完全实现了，而后我的工作是希望将声音切割，判断依据是dB（分贝），

就是上图中垂直的绿色条条和黄色图中的波形，达到某个值就切割出来，静音部分不要（做监听咯，懂的，没声音就pass掉）

void OnPostVolumeMeter(object sender, StreamVolumeEventArgs e)
        {
            // we know it is stereo
            volumeMeter1.Amplitude = e.MaxSampleValues[0];
            volumeMeter2.Amplitude = e.MaxSampleValues[1];

            if (e.MaxSampleValues[0] > 0.01 && StartOREnd == false)
            {
                
                StartOREnd = true;

                DateTime starttime = DateTime.ParseExact(this.labelCurrentTime.Text,"mm:ss:fff",null);
                int StartPoint = starttime.Minute * 60 * 1000 + starttime.Second * 1000 + starttime.Millisecond;
                this.richTextBox1.Text += "\r\n开始：" + StartPoint.ToString();
                CutInfo.Add(StartPoint);
            }
            if (e.MaxSampleValues[0] < 0.01 && StartOREnd == true)
            {
                
                StartOREnd = false;

                DateTime endtime = DateTime.ParseExact(this.labelCurrentTime.Text, "mm:ss:fff", null);
                int EndPoint = endtime.Minute * 60 * 1000 + endtime.Second * 1000 + endtime.Millisecond;
                this.richTextBox1.Text += "\r\n结束：" + EndPoint.ToString();
                CutInfo.Add(EndPoint);
            }


        }

我定义了一个CutInfo的list，坦白说这里的e.MaxSampleValuesde的值代表什么意思我没搞明白，但是有声音数值就大，没声音数值就小，所以我这就当时dB来用了，按照阈值定义起点和终点，用于后期的切割。

切割分两部分，mp3和wav，其中mp3直接就能按照时间进行切割，wav得换算为字节长度稍微麻烦一点点。

public static void TrimMp3File(string inputPath, string outputPath, TimeSpan? begin, TimeSpan? end)
        {
            if (begin.HasValue && end.HasValue && begin > end)
                throw new ArgumentOutOfRangeException("end", "end should be greater than begin");

            using (var reader = new Mp3FileReader(inputPath))
            using (var writer = File.Create(outputPath))
            {
                Mp3Frame frame;
                while ((frame = reader.ReadNextFrame()) != null)
                    if (reader.CurrentTime >= begin || !begin.HasValue)
                    {
                        if (reader.CurrentTime <= end || !end.HasValue)
                            writer.Write(frame.RawData, 0, frame.RawData.Length);
                        else break;
                    }
            }
        }

        public static void TrimWavFile(string inPath, string outPath, TimeSpan cutFromStart, TimeSpan cutFromEnd)
        {
            using (WaveFileReader reader = new WaveFileReader(inPath))
            {
                using (WaveFileWriter writer = new WaveFileWriter(outPath, reader.WaveFormat))
                {
                    int bytesPerMillisecond = reader.WaveFormat.AverageBytesPerSecond/1000;

                    int startPos = (int)cutFromStart.TotalMilliseconds * bytesPerMillisecond;
                    startPos = startPos - startPos % reader.WaveFormat.BlockAlign;

                    int endPos = (int)cutFromEnd.TotalMilliseconds * bytesPerMillisecond;
                    endPos = endPos - endPos % reader.WaveFormat.BlockAlign;
                    TrimWavFile(reader, writer, startPos, endPos);
                }
            }
        }

        private static void TrimWavFile(WaveFileReader reader, WaveFileWriter writer, int startPos, int endPos)
        {
            reader.Position = startPos;
            byte[] buffer = new byte[1024];
            while (reader.Position < endPos)
            {
                int bytesRequired = (int)(endPos - reader.Position);
                if (bytesRequired > 0)
                {
                    int bytesToRead = Math.Min(bytesRequired, buffer.Length);
                    int bytesRead = reader.Read(buffer, 0, bytesToRead);
                    if (bytesRead > 0)
                    {
                        writer.WriteData(buffer, 0, bytesRead);
                    }
                }
            }
        }

我每段测试音频都念了五个音，测试MP3和WAV都成功，效果如下图：

黄色波形图前5个波是一段，后面的是切割后单独放的5个。切割的目的是识别，下一篇写识别。

新开博客，目的为学习交流，本人QQ：273651820。