ailia_audio.h ファイル

音響信号処理用ライブラリ [詳解]

[ソースコード]

マクロ定義
#define	AILIA_API
#define	AILIA_AUDIO_WIN_TYPE_HANN   (1)
	窓関数に hann 窓を使う [詳解]
#define	AILIA_AUDIO_WIN_TYPE_HAMMING   (2)
	窓関数に hamming 窓を使う [詳解]
#define	AILIA_AUDIO_STFT_CENTER_NONE   (0)
	STFT の際、前後に padding を入れない [詳解]
#define	AILIA_AUDIO_STFT_CENTER_ENABLE   (1)
	STFT の際、sample_n の前後に fft_n/2 の padding(reflect) を入れる [詳解]
#define	AILIA_AUDIO_STFT_CENTER_SCIPY_DEFAULT   (2)
	STFT の際、sample_n の前後に fft_n/2 の padding(zero) を入れ、さらにhop_n処理単位になるように後方padding(zero)で合わせる [詳解]
#define	AILIA_AUDIO_FFT_NORMALIZE_NONE   (0)
	FFT の出力を正規化しない [詳解]
#define	AILIA_AUDIO_FFT_NORMALIZE_LIBROSA_COMPAT   (1)
	FFT の出力を librosa 互換で正規化する [詳解]
#define	AILIA_AUDIO_FFT_NORMALIZE_PYTORCH_COMPAT   (1)
	FFT の出力を PyTorch 互換で正規化する [詳解]
#define	AILIA_AUDIO_FFT_NORMALIZE_SCIPY_COMPAT   (2)
	FFT の出力を SciPy 互換で正規化する [詳解]
#define	AILIA_AUDIO_MEL_NORMALIZE_NONE   (0)
	MEL スペクトログラムの出力を正規化しない [詳解]
#define	AILIA_AUDIO_MEL_NORMALIZE_ENABLE   (1)
	MEL スペクトログラムの出力を正規化する [詳解]
#define	AILIA_AUDIO_MEL_SCALE_FORMULA_HTK   (1)
	MEL 尺度を HTK formula で求める (PyTorch 互換) [詳解]
#define	AILIA_AUDIO_MEL_SCALE_FORMULA_SLANYE   (0)
	MEL 尺度を Slanye's formula で求める (librosa デフォルト互換) [詳解]
#define	AILIA_AUDIO_PHASE_FORM_COMPLEX   (1)
	位相を複素数形式で出力する (librosa デフォルト互換) [詳解]
#define	AILIA_AUDIO_PHASE_FORM_REAL   (0)
	位相を実数形式で出力する (PyTorch デフォルト互換) [詳解]
#define	AILIA_AUDIO_FILTFILT_PAD_NONE   (0)
	ゼロ位相フィルタ処理の際、padding をしない [詳解]
#define	AILIA_AUDIO_FILTFILT_PAD_ODD   (1)
	ゼロ位相フィルタ処理の際、padding はodd [詳解]
#define	AILIA_AUDIO_FILTFILT_PAD_EVEN   (2)
	ゼロ位相フィルタ処理の際、padding はeven(reflect) [詳解]
#define	AILIA_AUDIO_FILTFILT_PAD_CONSTANT   (3)
	ゼロ位相フィルタ処理の際、padding は端値 [詳解]

関数
int AILIA_API	ailiaAudioLog1p (void *dst, const void *src, int src_n)
	入力値を対数スケールに変換します。 [詳解]
int AILIA_API	ailiaAudioConvertPowerToDB (void *dst, const void *src, int src_n, float top_db)
	非負の入力値をデシベルスケールに変換します。 [詳解]
int AILIA_API	ailiaAudioGetFrameLen (int *frame_n, int sample_n, int fft_n, int hop_n, int center)
	STFTで生成される時間フレーム長を取得します。 [詳解]
int AILIA_API	ailiaAudioGetSampleLen (int *sample_n, int frame_n, int freq_n, int hop_n, int center)
	ISTFTで生成されるサンプル数を取得します。 [詳解]
int AILIA_API	ailiaAudioGetWindow (void *dst, int window_n, int win_type)
	窓関数の係数を取得します。 [詳解]
int AILIA_API	ailiaAudioFFT (void *dst, const void *src, int fft_n)
	FFTを実行します。 [詳解]
int AILIA_API	ailiaAudioIFFT (void *dst, const void *src, int fft_n)
	IFFTを実行します。 [詳解]
int AILIA_API	ailiaAudioGetSpectrogram (void *dst, const void *src, int sample_n, int fft_n, int hop_n, int win_n, int win_type, int max_frame_n, int center, float power, int norm_type)
	音響信号からスペクトログラムを生成します。 [詳解]
int AILIA_API	ailiaAudioGetInverseSpectrogram (void *dst, const void *src, int frame_n, int freq_n, int hop_n, int win_n, int win_type, int max_sample_n, int center, int norm_type)
	複素スペクトログラムから音響信号を生成します。 [詳解]
int AILIA_API	ailiaAudioGetFBMatrix (void *dst, const int freq_n, float f_min, float f_max, int mel_n, int sample_rate, int mel_norm, int mel_formula)
	メルフィルタバンクの係数を計算します。 [詳解]
int AILIA_API	ailiaAudioGetMelSpectrogram (void *dst, const void *src, int sample_n, int sample_rate, int fft_n, int hop_n, int win_n, int win_type, int max_frame_n, int center, float power, int fft_norm_type, float f_min, float f_max, int mel_n, int mel_norm_type, int mel_formula)
	音響信号からメルスペクトログラムを生成します。 [詳解]
int AILIA_API	ailiaAudioMagPhase (void *dst_mag, void *dst_phase, const void *src, int freq_n, int frame_n, float power, int phase_form)
	スペクトログラムから振幅と位相を計算します。 [詳解]
int AILIA_API	ailiaAudioStandardize (void *dst, const void *src, const int src_n)
	実数の信号に対して標準化を実行します。 [詳解]
int AILIA_API	ailiaAudioComplexNorm (void *dst, const void *src, const int src_n, float power)
	複素数のノルムを算出します [詳解]
int AILIA_API	ailiaAudioConvertToMel (void *dst, const void *src, const void *fb_mtrx, int freq_n, int frame_n, int mel_n)
	実数STFT結果をメル尺度に変換する [詳解]
int AILIA_API	ailiaAudioFixFrameLen (void *dst, const void *src, int freq_n, int dst_frame_n, int src_frame_n, float pad_data)
	実数スペクトログラム/メルスペクトログラムの時間フレーム数を調整します。 [詳解]
int AILIA_API	ailiaAudioResample (void *dst, const void *src, int dst_sample_rate, int dst_n, int src_sample_rate, int src_n)
	信号をリサンプルします [詳解]
int AILIA_API	ailiaAudioGetResampleLen (int *dst_sample_n, int dst_sample_rate, int src_sample_n, int src_sample_rate)
	リサンプル後のサンプル数を計算します [詳解]
int AILIA_API	ailiaAudioLinerFilter (void *dst, const void *src, const void *n_coef, const void *d_coef, void *zi, int dst_n, int src_n, int n_coef_n, int d_coef_n, int zi_n)
	信号にフィルタ処理を適用します [詳解]
int AILIA_API	ailiaAudioGetLinerFilterZiCoef (void *dst_zi, const void *n_coef, const void *d_coef, int dst_n, int n_coef_n, int d_coef_n)
	フィルタ処理用の初期遅延係数を算出します [詳解]
int AILIA_API	ailiaAudioFilterFilter (void *dst, const void *src, const void *n_coef, const void *d_coef, int dst_n, int src_n, int n_coef_n, int d_coef_n, int pad_type, int pad_len)
	信号にゼロ位相フィルタ処理を適用します [詳解]
int AILIA_API	ailiaAudioGetNonSilentPos (int *dst_start_pos, int *dst_length, const void *src, int sample_n, int win_n, int hop_n, float thr_db)
	信号の入力前後の無音域を除いた領域を検出します [詳解]

詳解

音響信号処理用ライブラリ

著作権所有

AXELL CORPORATION, ailia Inc.

日付

2021/07/28

マクロ定義詳解

AILIA_API

#define AILIA_API

AILIA_AUDIO_FFT_NORMALIZE_LIBROSA_COMPAT

#define AILIA_AUDIO_FFT_NORMALIZE_LIBROSA_COMPAT   (1)

FFT の出力を librosa 互換で正規化する

AILIA_AUDIO_FFT_NORMALIZE_NONE

#define AILIA_AUDIO_FFT_NORMALIZE_NONE   (0)

FFT の出力を正規化しない

AILIA_AUDIO_FFT_NORMALIZE_PYTORCH_COMPAT

#define AILIA_AUDIO_FFT_NORMALIZE_PYTORCH_COMPAT   (1)

FFT の出力を PyTorch 互換で正規化する

AILIA_AUDIO_FFT_NORMALIZE_SCIPY_COMPAT

#define AILIA_AUDIO_FFT_NORMALIZE_SCIPY_COMPAT   (2)

FFT の出力を SciPy 互換で正規化する

AILIA_AUDIO_FILTFILT_PAD_CONSTANT

#define AILIA_AUDIO_FILTFILT_PAD_CONSTANT   (3)

ゼロ位相フィルタ処理の際、padding は端値

AILIA_AUDIO_FILTFILT_PAD_EVEN

#define AILIA_AUDIO_FILTFILT_PAD_EVEN   (2)

ゼロ位相フィルタ処理の際、padding はeven(reflect)

AILIA_AUDIO_FILTFILT_PAD_NONE

#define AILIA_AUDIO_FILTFILT_PAD_NONE   (0)

ゼロ位相フィルタ処理の際、padding をしない

AILIA_AUDIO_FILTFILT_PAD_ODD

#define AILIA_AUDIO_FILTFILT_PAD_ODD   (1)

ゼロ位相フィルタ処理の際、padding はodd

AILIA_AUDIO_MEL_NORMALIZE_ENABLE

#define AILIA_AUDIO_MEL_NORMALIZE_ENABLE   (1)

MEL スペクトログラムの出力を正規化する

AILIA_AUDIO_MEL_NORMALIZE_NONE

#define AILIA_AUDIO_MEL_NORMALIZE_NONE   (0)

MEL スペクトログラムの出力を正規化しない

AILIA_AUDIO_MEL_SCALE_FORMULA_HTK

#define AILIA_AUDIO_MEL_SCALE_FORMULA_HTK   (1)

MEL 尺度を HTK formula で求める (PyTorch 互換)

AILIA_AUDIO_MEL_SCALE_FORMULA_SLANYE

#define AILIA_AUDIO_MEL_SCALE_FORMULA_SLANYE   (0)

MEL 尺度を Slanye's formula で求める (librosa デフォルト互換)

AILIA_AUDIO_PHASE_FORM_COMPLEX

#define AILIA_AUDIO_PHASE_FORM_COMPLEX   (1)

位相を複素数形式で出力する (librosa デフォルト互換)

AILIA_AUDIO_PHASE_FORM_REAL

#define AILIA_AUDIO_PHASE_FORM_REAL   (0)

位相を実数形式で出力する (PyTorch デフォルト互換)

AILIA_AUDIO_STFT_CENTER_ENABLE

#define AILIA_AUDIO_STFT_CENTER_ENABLE   (1)

STFT の際、sample_n の前後に fft_n/2 の padding(reflect) を入れる

AILIA_AUDIO_STFT_CENTER_NONE

#define AILIA_AUDIO_STFT_CENTER_NONE   (0)

STFT の際、前後に padding を入れない

AILIA_AUDIO_STFT_CENTER_SCIPY_DEFAULT

#define AILIA_AUDIO_STFT_CENTER_SCIPY_DEFAULT   (2)

STFT の際、sample_n の前後に fft_n/2 の padding(zero) を入れ、さらにhop_n処理単位になるように後方padding(zero)で合わせる

AILIA_AUDIO_WIN_TYPE_HAMMING

#define AILIA_AUDIO_WIN_TYPE_HAMMING   (2)

窓関数に hamming 窓を使う

AILIA_AUDIO_WIN_TYPE_HANN

#define AILIA_AUDIO_WIN_TYPE_HANN   (1)

窓関数に hann 窓を使う

関数詳解

ailiaAudioComplexNorm()

int AILIA_API ailiaAudioComplexNorm	(	void *	dst,
		const void *	src,
		const int	src_n,
		float	power
	)

複素数のノルムを算出します

引数

dst	出力データのポインタ、float 型、要素数 src_n
src	入力データのポインタ、float 型、外側から src_n, 2(実部、虚部) 順のメモリレイアウト
src_n	入力データの要素数
power	累乗値( > 0.0 )、1.0で複素数絶対値に相当

戻り値

成功した場合は AILIA_STATUS_SUCCESS 、そうでなければエラーコードを返す。

入力データのノルムを算出します src_cmp = src[0] + src[1] i において tmp_dst = pow(src[0],2.0) + pow(src[1],2.0) dst[0] = pow(tmp_dst,0.5*power);

ailiaAudioConvertPowerToDB()

int AILIA_API ailiaAudioConvertPowerToDB	(	void *	dst,
		const void *	src,
		int	src_n,
		float	top_db
	)

非負の入力値をデシベルスケールに変換します。

引数

dst	出力データポインタ、float 型、長さ src_n
src	入力データポインタ、float 型、要素数 src_n
src_n	計算対象の要素数
top_db	出力の最大値から出力下限の閾値までを定める値 (>= 0.0)、負数の場合は処理は閾値を設定しない

戻り値

成功した場合は AILIA_STATUS_SUCCESS 、そうでなければエラーコードを返す。

librosa.power_to_dbと互換性があります。

ailiaAudioConvertToMel()

int AILIA_API ailiaAudioConvertToMel	(	void *	dst,
		const void *	src,
		const void *	fb_mtrx,
		int	freq_n,
		int	frame_n,
		int	mel_n
	)

実数STFT結果をメル尺度に変換する

引数

dst	出力データのポインタ、float 型、外側から mel_n, frame_n 順のメモリレイアウト
src	入力データのポインタ、float 型、外側から freq_n, frame_n 順のメモリレイアウト
fb_mtrx	メルフィルタバンク、float 型、外側から mel_n, freq_n 順のメモリレイアウト
freq_n	周波数のインデックス数
frame_n	入力データの時間フレームの数
mel_n	メル周波数のインデックス数

戻り値

成功した場合は AILIA_STATUS_SUCCESS 、そうでなければエラーコードを返す。

入力された実数スペクトログラムをメル尺度に変換します fb_mtrxには ailiaAudioGetFBMatrix() で取得した係数を与える事が出来ます

ailiaAudioFFT()

int AILIA_API ailiaAudioFFT	(	void *	dst,
		const void *	src,
		int	fft_n
	)

FFTを実行します。

引数

dst	出力データのポインタ、float 型、外側から fft_n, 2(実部、虚部) 順のメモリレイアウト
src	入力データのポインタ、float 型、要素数 fft_n
fft_n	FFT点数

戻り値

成功した場合は AILIA_STATUS_SUCCESS 、そうでなければエラーコードを返す。

FFT点数が2の累乗の場合、高速アルゴリズムで動作します。 出力データは実部と虚部の交互信号であり、長さは fft_n*2 です。

ailiaAudioFilterFilter()

int AILIA_API ailiaAudioFilterFilter	(	void *	dst,
		const void *	src,
		const void *	n_coef,
		const void *	d_coef,
		int	dst_n,
		int	src_n,
		int	n_coef_n,
		int	d_coef_n,
		int	pad_type,
		int	pad_len
	)

信号にゼロ位相フィルタ処理を適用します

引数

dst	出力データのポインタ、float 型、要素数 dst_n
src	入力データのポインタ、float 型、要素数 src_n
n_coef	フィルタ分子係数のポインタ、float 型、要素数 n_coef_n
d_coef	フィルタ分母係数のポインタ、float 型、要素数 d_coef_n
dst_n	データ出力先の確保要素数（dst_n >= src_n）
src_n	入力データの要素数
n_coef_n	フィルタ分子係数の要素数
d_coef_n	フィルタ分母係数の要素数
pad_type	入力信号に対する両端パディング処理方法、 AILIA_AUDIO_FILTFILT_PAD_* のいずれか
pad_len	入力信号に対する両端パディング数

戻り値

成功した場合は AILIA_STATUS_SUCCESS 、そうでなければエラーコードを返す。

dstへの出力数はmin(dst_m,src_n)となります。 n_coef_nとd_coef_nは大きいほうを基準とし、不足分は0でパディングします。

ailiaAudioFixFrameLen()

int AILIA_API ailiaAudioFixFrameLen	(	void *	dst,
		const void *	src,
		int	freq_n,
		int	dst_frame_n,
		int	src_frame_n,
		float	pad_data
	)

実数スペクトログラム/メルスペクトログラムの時間フレーム数を調整します。

引数

dst	出力データのポインタ、freq_n, dst_frame_n 順のメモリレイアウト
src	入力データのポインタ、freq_n, src_frame_n 順のメモリレイアウト
freq_n	周波数のインデックス数
dst_frame_n	出力データの時間フレームの数
src_frame_n	入力データの時間フレームの数
pad_data	パディング（dst_frame_n > src_frame_n の場合に使用）

戻り値

成功した場合は AILIA_STATUS_SUCCESS 、そうでなければエラーコードを返す。

dst_frame_n > src_frame_n : 不足する時間フレームのデータを pad_data のデータで埋める。 dst_frame_n <= src_frame_n : 先頭から dst_frame_n のデータのみを切り出す。

ailiaAudioGetFBMatrix()

int AILIA_API ailiaAudioGetFBMatrix	(	void *	dst,
		const int	freq_n,
		float	f_min,
		float	f_max,
		int	mel_n,
		int	sample_rate,
		int	mel_norm,
		int	mel_formula
	)

メルフィルタバンクの係数を計算します。

引数

dst	出力データのポインタ、float 型、外側から mel_n, freq_n 順のメモリレイアウト
freq_n	周波数のインデックス数
f_min	周波数の最小値
f_max	周波数の最大値
mel_n	メル周波数のインデックス数（ < freq_n）
sample_rate	サンプリング周波数
mel_norm	出力される係数の正規化の有無、AILIA_AUDIO_MEL_NORMALIZE_* のいずれか
mel_formula	MEL尺度の形式、AILIA_AUDIO_MEL_SCALE_FORMULA_* のいずれか

戻り値

成功した場合は AILIA_STATUS_SUCCESS 、そうでなければエラーコードを返す。

ailiaAudioGetFrameLen()

int AILIA_API ailiaAudioGetFrameLen	(	int *	frame_n,
		int	sample_n,
		int	fft_n,
		int	hop_n,
		int	center
	)

STFTで生成される時間フレーム長を取得します。

引数

frame_n	フレーム長出力先ポインタ
sample_n	STFTを適用するサンプル数
fft_n	FFT点数
hop_n	窓のシフト数
center	AILIA_AUDIO_STFT_CENTER_* のいずれか

戻り値

成功した場合は AILIA_STATUS_SUCCESS 、そうでなければエラーコードを返す。

STFT実行前のバッファサイズの決定に使用します。 AILIA_AUDIO_STFT_CENTER_NONE の場合 hop_n ずつ区切り、sample_n の前後に padding を行いません。 AILIA_AUDIO_STFT_CENTER_ENABLE の場合 sample_n の前後に fft_n/2 の padding(reflect) を行います。 AILIA_AUDIO_STFT_CENTER_SCIPY_DEFAULT の場合、sample_n の前後に fft_n/2 の padding(zero) を行い、hop_nの倍数になるようにpadding(zero)を行います

ailiaAudioGetInverseSpectrogram()

int AILIA_API ailiaAudioGetInverseSpectrogram	(	void *	dst,
		const void *	src,
		int	frame_n,
		int	freq_n,
		int	hop_n,
		int	win_n,
		int	win_type,
		int	max_sample_n,
		int	center,
		int	norm_type
	)

複素スペクトログラムから音響信号を生成します。

引数

dst	出力データのポインタ、float 型、要素数 sample_n
src	入力データのポインタ、float 型、外側から freq_n, frame_n, 2(複素数: 実部, 虚部) 順のメモリレイアウト
frame_n	入力データの時間フレーム数
freq_n	周波数（fft_n/2+1）
hop_n	フレームのシフト数
win_n	窓関数の長さ
win_type	窓関数の種類、AILIA_AUDIO_WIN_TYPE_* のいずれか
max_sample_n	出力データのサンプル数の最大値
center	入力データ生成時の前後へのパディングの有無、AILIA_AUDIO_STFT_CENTER_* のいずれか
norm_type	入力データ生成時の正規化処理、AILIA_AUDIO_FFT_NORMALIZE_* のいずれか

戻り値

成功した場合は AILIA_STATUS_SUCCESS 、そうでなければエラーコードを返す。

時間フレームごとにIFFTを行い、最後に正規化処理を実行します。 複素スペクトログラムのみに対応しています。

ailiaAudioGetLinerFilterZiCoef()

int AILIA_API ailiaAudioGetLinerFilterZiCoef	(	void *	dst_zi,
		const void *	n_coef,
		const void *	d_coef,
		int	dst_n,
		int	n_coef_n,
		int	d_coef_n
	)

フィルタ処理用の初期遅延係数を算出します

引数

dst_zi	出力する初期遅延状態のポインタ、float 型、要素数 dst_n (dst_n >= max(n_coef_n,d_coef_n)-1)
n_coef	フィルタ分子係数のポインタ、float 型、要素数 n_coef_n
d_coef	フィルタ分母係数のポインタ、float 型、要素数 d_coef_n
dst_n	出力先の確保要素数 (dst_n >= max(n_coef_n,d_coef_n)-1)
n_coef_n	フィルタ分子係数の要素数
d_coef_n	フィルタ分母係数の要素数

戻り値

成功した場合は AILIA_STATUS_SUCCESS 、そうでなければエラーコードを返す。

一般に、得られた係数に入力信号の先頭を乗じたものを、初期遅延状態として ailiaAudioLinerFilter() に与えます。 dst_nはmax(n_coef_n,d_coef_n)-1が必要となります。 不足の場合は、確保分だけ出力します。 超える部分は、0で埋めます。 n_coef_nとd_coef_nは大きいほうを基準とし、不足分は0でパディングします。

ailiaAudioGetMelSpectrogram()

int AILIA_API ailiaAudioGetMelSpectrogram	(	void *	dst,
		const void *	src,
		int	sample_n,
		int	sample_rate,
		int	fft_n,
		int	hop_n,
		int	win_n,
		int	win_type,
		int	max_frame_n,
		int	center,
		float	power,
		int	fft_norm_type,
		float	f_min,
		float	f_max,
		int	mel_n,
		int	mel_norm_type,
		int	mel_formula
	)

音響信号からメルスペクトログラムを生成します。

引数

dst	出力データのポインタ、float 型、外側から mel_n, frame_n 順のメモリレイアウト
src	入力データのポインタ、float 型、モノラル PCM データ
sample_n	入力データのサンプル数
sample_rate	サンプリング周波数
fft_n	FFT点数
hop_n	フレームのシフト数
win_n	1フレームに含むサンプル数
win_type	窓関数の種類、AILIA_AUDIO_WIN_TYPE_* のいずれか
max_frame_n	出力データの時間フレーム数の最大値
center	入力データの前後へのパディングの有無、AILIA_AUDIO_STFT_CENTER_* のいずれか
power	スペクトログラムの乗数（ > 0.0）1.0: 振幅スペクトログラム、2.0: パワースペクトログラム、その他: 任意の累乗値の出力に相当
fft_norm_type	FFT後の正規化処理、AILIA_AUDIO_FFT_NORMALIZE_* のいずれか
f_min	周波数の最小値
f_max	周波数の最大値
mel_n	メル周波数のインデックス数（ < freq_n）
mel_norm_type	MELスペクトログラムの正規化の有無、AILIA_AUDIO_MEL_NORMALIZE_* のいずれか
mel_formula	MEL尺度の形式、AILIA_AUDIO_MEL_SCALE_FORMULA_* のいずれか

戻り値

成功した場合は AILIA_STATUS_SUCCESS 、そうでなければエラーコードを返す。

時間フレームごとにFFT(STFT)→正規化処理→累乗（振幅・パワーに変換→メルフィルタバンクの係数取得→メル尺度への変換 の順で処理を実行します。 出力データは実数の信号であり、長さはmel_n*時間フレーム長です。

ailiaAudioGetNonSilentPos()

int AILIA_API ailiaAudioGetNonSilentPos	(	int *	dst_start_pos,
		int *	dst_length,
		const void *	src,
		int	sample_n,
		int	win_n,
		int	hop_n,
		float	thr_db
	)

信号の入力前後の無音域を除いた領域を検出します

引数

dst_start_pos	有音域の先頭サンプル位置出力先ポインタ、int 型
dst_length	有音域の長さ出力先ポインタ、int 型
src	入力データのポインタ、float 型、要素数 sample_n
sample_n	入力データのサンプル数
win_n	1フレームに含むサンプル数
hop_n	フレームのシフト数
thr_db	有音を判断するdB (thr_db > 0)

戻り値

成功した場合は AILIA_STATUS_SUCCESS 、そうでなければエラーコードを返す。

全域が無音の場合、*dst_start_pos = -1,*dst_length = 0となります。

ailiaAudioGetResampleLen()

int AILIA_API ailiaAudioGetResampleLen	(	int *	dst_sample_n,
		int	dst_sample_rate,
		int	src_sample_n,
		int	src_sample_rate
	)

リサンプル後のサンプル数を計算します

引数

dst_sample_n	リサンプル後サンプル数出力先ポインタ
dst_sample_rate	変換後のサンプリングレート
src_sample_n	入力データのサンプル数
src_sample_rate	入力データのサンプリングレート

戻り値

成功した場合は AILIA_STATUS_SUCCESS 、そうでなければエラーコードを返す。

ailiaAudioGetSampleLen()

int AILIA_API ailiaAudioGetSampleLen	(	int *	sample_n,
		int	frame_n,
		int	freq_n,
		int	hop_n,
		int	center
	)

ISTFTで生成されるサンプル数を取得します。

引数

sample_n	サンプル数出力先ポインタ
frame_n	STFTデータの時間フレーム長
fft_n	FFT点数
hop_n	窓のシフト数
center	AILIA_AUDIO_STFT_CENTER_* のいずれか

戻り値

成功した場合は AILIA_STATUS_SUCCESS 、そうでなければエラーコードを返す。

ISTFT実行前のバッファサイズの決定に使用します。 AILIA_AUDIO_STFT_CENTER_NONE の場合 前後の切り捨てを行いません。 AILIA_AUDIO_STFT_CENTER_NONE 以外の場合 前後の切り捨てを行います。

ailiaAudioGetSpectrogram()

int AILIA_API ailiaAudioGetSpectrogram	(	void *	dst,
		const void *	src,
		int	sample_n,
		int	fft_n,
		int	hop_n,
		int	win_n,
		int	win_type,
		int	max_frame_n,
		int	center,
		float	power,
		int	norm_type
	)

音響信号からスペクトログラムを生成します。

引数

dst	出力データのポインタ、float 型、外側から freq_n, frame_n, 2(複素数: 実部, 虚部) 順のメモリレイアウト
src	入力データのポインタ、float 型、要素数 sample_n
sample_n	入力データのサンプル数
fft_n	FFT点数
hop_n	フレームのシフト数
win_n	窓関数の長さ
win_type	窓関数の種類、AILIA_AUDIO_WIN_TYPE_* のいずれか
max_frame_n	出力データの時間フレーム数の最大値
center	入力データの前後へのパディングの有無、AILIA_AUDIO_STFT_CENTER_* のいずれか
power	スペクトログラムの乗数（>= 0.0） 0.0: 複素スペクトログラム、1.0: 振幅スペクトログラム、2.0: パワースペクトログラム、その他: 任意の累乗値の出力に相当
norm_type	FFT後の正規化処理、AILIA_AUDIO_FFT_NORMALIZE_* のいずれか

戻り値

成功した場合は AILIA_STATUS_SUCCESS 、そうでなければエラーコードを返す。

時間フレームごとにFFT→正規化処理→累乗（振幅・パワーに変換）の順で処理を実行します。 出力データは実部と虚部の交互信号であり、長さは(fft_n/2+1)*時間フレーム長*2です。 powerが0.0以外の場合は虚部の値を全て0.0として出力します。

ailiaAudioGetWindow()

int AILIA_API ailiaAudioGetWindow	(	void *	dst,
		int	window_n,
		int	win_type
	)

窓関数の係数を取得します。

引数

dst	出力データのポインタ、float 型、要素数 window_n
window_n	窓の長さ（サンプル数）
win_type	窓関数の種類、AILIA_AUDIO_WIN_TYPE_* のいずれか

戻り値

成功した場合は AILIA_STATUS_SUCCESS 、そうでなければエラーコードを返す。

窓関数はhann窓とhamming窓のみ対応しています。

ailiaAudioIFFT()

int AILIA_API ailiaAudioIFFT	(	void *	dst,
		const void *	src,
		int	fft_n
	)

IFFTを実行します。

引数

dst	出力データのポインタ、float 型、外側から fft_n, 2(実部、虚部) 順のメモリレイアウト
src	入力データのポインタ、float 型、外側から fft_n, 2(実部、虚部) 順のメモリレイアウト
fft_n	FFT点数

戻り値

成功した場合は AILIA_STATUS_SUCCESS 、そうでなければエラーコードを返す。

FFT点数が2の累乗の場合、高速アルゴリズムで動作します。 出力データは実部と虚部の交互信号であり、長さは fft_n*2 です。

ailiaAudioLinerFilter()

int AILIA_API ailiaAudioLinerFilter	(	void *	dst,
		const void *	src,
		const void *	n_coef,
		const void *	d_coef,
		void *	zi,
		int	dst_n,
		int	src_n,
		int	n_coef_n,
		int	d_coef_n,
		int	zi_n
	)

信号にフィルタ処理を適用します

引数

dst	出力データのポインタ、float 型、要素数 dst_n
src	入力データのポインタ、float 型、要素数 src_n
n_coef	フィルタ分子係数のポインタ、float 型、要素数 n_coef_n
d_coef	フィルタ分母係数のポインタ、float 型、要素数 d_coef_n
zi	遅延状態のポインタ、float 型、要素数 zi_n (zi_n = max(n_coef_n,d_coef_n)-1)、nullptrを許容
dst_n	データ出力先の確保要素数（dst_n >= src_n）
src_n	入力データの要素数
n_coef_n	フィルタ分子係数の要素数
d_coef_n	フィルタ分母係数の要素数
zi_n	遅延状態の要素数 (zi_n >= max(n_coef_n,d_coef_n)-1)

戻り値

成功した場合は AILIA_STATUS_SUCCESS 、そうでなければエラーコードを返す。

dstへの出力数はmin(dst_m,src_n)となります。 ziへは初期遅延状態を渡します。処理後には最終遅延状態に上書きされます。 zi_nはmax(n_coef_n,d_coef_n)-1が必要となります。不足の場合、不足分は0でパディングし、最終遅延状態は返しません。 ziにnullptrを与えた場合は、初期遅延状態を0とします。最終遅延状態も返しません。zi_nは無視されます。 n_coef_nとd_coef_nは大きいほうを基準とし、不足分は0でパディングします。

ailiaAudioLog1p()

int AILIA_API ailiaAudioLog1p	(	void *	dst,
		const void *	src,
		int	src_n
	)

入力値を対数スケールに変換します。

引数

dst	出力データポインタ、float 型、長さ src_n
src	入力データポインタ、float 型、長さ src_n
src_n	計算対象の要素数

戻り値

成功した場合は AILIA_STATUS_SUCCESS 、そうでなければエラーコードを返す。

dst = log_e(1.0 + src) を計算します。

ailiaAudioMagPhase()

int AILIA_API ailiaAudioMagPhase	(	void *	dst_mag,
		void *	dst_phase,
		const void *	src,
		int	freq_n,
		int	frame_n,
		float	power,
		int	phase_form
	)

スペクトログラムから振幅と位相を計算します。

引数

dst_mag	振幅の出力先ポインタ、外側から freq_n, frame_n 順のメモリレイアウト
dst_phase	位相の出力先ポインタ、外側から freq_n, frame_n, 2(実部、虚部) 順のメモリレイアウト
src	入力データのポインタ、frame_n, freq_n, 2(実部、虚部) 順のメモリレイアウト
freq_n	周波数のインデックス数
frame_n	時間フレームの数
power	振幅スペクトルの乗数 ( > 0.0)、1.0: 振幅スペクトログラム、2.0: パワースペクトログラムに相当
phase_form	位相の出力形式、AILIA_AUDIO_PHASE_FORM_* のいずれか

戻り値

成功した場合は AILIA_STATUS_SUCCESS 、そうでなければエラーコードを返す。

librosaのデフォルト値と互換の条件: phase_form = AILIA_AUDIO_PHASE_FORM_COMPLEX , power = 1.0 PyTorchのデフォルト値と互換の条件: phase_form = AILIA_AUDIO_PHASE_FORM_REAL , power = 1.0 phase_formによってdst_phaseの出力が変わります。

• AILIA_AUDIO_PHASE_FORM_COMPLEX : 実部と虚部の交互信号、サイズは freq_n * frame_n * 2
• AILIA_AUDIO_PHASE_FORM_REAL : 実部のみの信号、サイズは freq_n * frame_n

ailiaAudioResample()

int AILIA_API ailiaAudioResample	(	void *	dst,
		const void *	src,
		int	dst_sample_rate,
		int	dst_n,
		int	src_sample_rate,
		int	src_n
	)

信号をリサンプルします

引数

dst	出力データのポインタ、float 型、要素数 dst_n
src	入力データのポインタ、float 型、要素数 src_n
dst_sample_rate	変換後のサンプリングレート
dst_n	データ出力先の確保要素数（dst_n >= max_resample_n）
src_sample_rate	入力データのサンプリングレート
src_n	入力データの要素数

戻り値

成功した場合は AILIA_STATUS_SUCCESS 、そうでなければエラーコードを返す。

最大出力数max_resample_nは ailiaAudioGetResampleLen() で取得できます。 dst_n < max_resample_n : 先頭からdst_nに入る部分のみ出力 dst_n >= max_resample_n : 出力要素数はmax_resample_n

ailiaAudioStandardize()

int AILIA_API ailiaAudioStandardize	(	void *	dst,
		const void *	src,
		const int	src_n
	)

実数の信号に対して標準化を実行します。

引数

dst	出力データのポインタ、float 型、要素数 src_n
src	入力データのポインタ、float 型、要素数 src_n
src_n	入力データの要素数

戻り値

成功した場合は AILIA_STATUS_SUCCESS 、そうでなければエラーコードを返す。

入力データの平均0、分散1になるよう標準化を行う。 dst = (src - mean(src)) / std(src)