一、何使音频提取阶段

1. 使用「音频提取器」App（如推荐的用苹音频官方应用）

  • 打开应用后导入视频或音频文件，支持从相册、器进文件或其他应用直接选择。行音
  • 选择专业版功能解锁「自定义采样参数」，频的频率设置采样率（如44.1kHz或48kHz）、分析通道数（单声道/立体声）和码率（影响频率分辨率）。何使高采样率可保留更高频段信息（例如48kHz可分析至24kHz频率）。用苹音频
  • 导出音频为无损格式（如WAV或FLAC），器进避免压缩格式（如MP3）损失高频细节。行音

    • 2. 快捷指令辅助提取（适合简单场景）

  • 通过「快捷指令」创建自动化流程：选择视频文件→调用音频提取模块→保存至指定目录。频的频率此方法适合批量处理但无法调整采样参数。分析

    • 二、何使频率分析工具选择

    1. Audio Spectrum Analyzer dB RTA（第三方应用）

  • 支持FFT（快速傅里叶变换）分析，用苹音频可调分辨率（256-16384点），器进高点数提升低频精度。
  • 提供多种窗函数（汉宁窗、布莱克曼窗等），抑制频谱泄露。例如汉宁窗适用于稳态音频，矩形窗适合瞬态分析。
  • 实时显示频谱图，可跟踪峰值频率，支持1/3倍频程模式用于噪声评估。

    • 2. 专业音频处理库（进阶开发）

  • 使用Python的`PyAudioAnalysis`库：导入提取的音频后，通过`stFeatureExtraction`函数计算MFCC、频谱质心等时频特征。
  • 结合`librosa`库生成Mel频谱图，自定义刻度（Slaney/ETSI风格）以适应不同听觉模型，需注意窗函数归一化方式对能量分布的影响。

    • 三、操作示例：提取对话音频并分析基频

    1. 提取阶段

  • 在「音频提取器」中导入会议视频，设置采样率16kHz（覆盖人声80-8kHz范围），导出为WAV文件。

    • 2. 分析阶段

  • 在Audio Spectrum Analyzer中选择FFT模式，设置8192点+汉明窗，观察300Hz-3kHz区间能量聚焦情况，定位说话人基频（男声典型值100-150Hz）。
  • 使用`pyAudioAnalysis`执行`audioSegmentation.silence_removal`去除静音段，再通过`audioFeatureExtraction`计算短时基频曲线。

    • 四、注意事项

  • 采样定理：确保采样率≥2倍目标最高频率，例如分析乐器需≥40kHz采样率。
  • 窗长选择：20-30ms窗长平衡时频分辨率，音乐分析建议50ms以捕捉低频谐波。
  • 环境干扰：使用外接麦克风时，通过应用内校准功能消除设备固有噪声。

    • 通过上述方法，可灵活实现从基础到专业的音频频率分析。如需深度定制算法（如CQT时频分析），可参考`audioFlux`库的C++/Python接口实现音乐特征的多尺度分析。