针对功能点#1, google ‘split voice silent period’得到关键词’speech detection’ or ‘Voice Activity Detection’. 从而有了研究的方向.
Introduction to Computer Music: Volume One发现的不错edu资源,系统地介绍了acoustic方面的内容.
看完后对Waveform的纵轴采样采的到底是是什么?文件中保存的audio raw data究竟代表的是什么什么值?这些问题能有些直观的了解.
经过多重尝试,包括ringdroid的cheapWAV/cheapMP3(获取raw data的方式不好),Visualizer api(获取到的bytes与pcm raw data不一样,仅用于可视化显示的目的),sphinx4(使用的是javax.audio包,android中不包含). 最终还是使用MediaExtractor,MediaCodec来获取pcm raw data.目前测试过16bit/stereo/44100的wav文件,以及mp3文件. ps:没有思路的时候,在google或SO上,搜索宽泛点的关键词,如android pcm,一条目一条目的看过去获取线索.