FIFO 缓冲区是许多用例中常用的数据结构。项目被放入缓冲区并按放入的顺序检索。这与队列的功能类似。队列和缓冲区之间的区别在于，在缓冲区中插入的数据都是相同的数据类型。此外，可以插入任意数量的数据，检索量也是任意的。 在哪些用例中，您想要放入和检索任意数量的相同类型的项目？发散到数据处理以外的领域：想想银行账户：存入的钱不同，取出的钱也不同。农场的粮食储存也是如此。但银行和粮仓就是这样做的。IT 留给我们的是音频数据，它到达的速度非常快，但必须以较慢的特定速度离开，这样才能被听到。今天造成这种情况的罪魁祸首是促进人机交互的文本转语音引擎。机器获取文本（可能来自 AI 引擎），然后将其转换为音频字节，以人类可以听到的特定速度发送给人类。正如预期的那样，机器以快速的剪辑生成音频字节，然后必须对其进行缓冲，以便能够以更慢的速度向人类传送。一个类比是您当地的加油站。文本转语音是汽油罐车，它以快速的速度泵送大量汽油，将加油站内部的油箱装满。然后以较慢的速度将它们运送到客户的汽车或其他车辆中。 总之，文本到语音（音频）的转换可以更快地进行。需要一个音频缓冲区，它接收来自文本到语音（tts）的音频以填充缓冲区。然后以人类语音的速率耗尽该缓冲区，并且人类可以理解。 数据由一系列数字组成，这些数字表示音频信号以固定间隔（称为采样率）的值。还有通道的概念，即多个音频信号，从而产生多个值的序列。 音频数据： 出于本文的目的，我们将仅考虑输入侧的一个通道和输出侧的一个通道。 这是一种便于存储/检索数字数组的软件，其性能已优化。  Numpy的： 设计： 要求是：能够输入任意数量的音频数据帧（一个帧代表一个音频数据点的数字），它是音频信号值的有序数组。在输出端能够检索任意数量的这些帧。当然，我们必须添加方便的功能来处理限制，即有限的缓冲区大小（导致输入时缓冲区已满）、没有可用的音频数据（输出端的缓冲区为空）。其他方便的功能将包括音频数据的零填充，以防请求的音频数据多于缓冲区检索中可用的数据。 执行： 下面描述了这种缓冲区在 Python 中的实现： 传入的音频字节存储在缓冲区中。缓冲区有一个“底部”指针，指向缓冲区的填充程度。它还有一个“起始指针”，即缓冲区的开头，新数据可以推送到该指针。起始指针固定在缓冲区的开头。底部指针是“动态”的，会“上下”移动：提取数据时向上，插入数据时向下。数据始终插入到缓冲区的顶部（起始指针），导致缓冲区中的现有数据被“向下”推送，从而增加底部指针的值。 当底部指针等于起始指针时，发生缓冲区为空的情况。当底部指针等于缓冲区长度时，发生缓冲区为满的情况。 我们还可以包括‘优雅失败’来处理缓冲区已满的情况。 当缓冲区已满且需要插入数据时，会引发异常。当缓冲区为空时（包括请求的数据多于缓冲区中可用的数据的情况），将为缺失数据返回“零”。这相当于没有说话时的“静音”的音频效果。 该缓冲区的图表如下：  编码：（免责声明：没有使用人工智能来生成以下代码。所有责任（赞扬更好）都应归咎于作者。） 遵循面向对象原则，代码以类/对象的形式编写，易于使用。完整代码如下：   import numpy as np #numpy is the standard package or numerical array processing class AudioBuf: def __init__(self,bufSize:int,name:str='',dtype=np.int16): self.buffer = np.zeros((bufSize), dtype=dtype) self.bufSize=bufSize self.dtype=dtype self.idx=0 self.name=name #give a name to the buffer. def putInBuf(self,inData:np.ndarray[np.dtype[np.int16]]): inData=inData[:, 0] #Get the 1st col = channel 0 - mono remainder = self.bufSize - self.idx #space available for insertion if remainder < len(inData): msg=f'Error: Buffer {self.name} is full' print(msg) self.showBuf() raise ValueError(msg) self.buffer[self.idx:self.idx + len(inData)] = inData self.idx += len(inData) def getFromBuf(self,outDataLen:int = None)->np.ndarray: if not outDataLen: outDataLen=self.idx # return entire data of length is not specified if self.idx >= outDataLen: retVal = self.buffer[:outDataLen] self.buffer[0:self.idx-outDataLen]=self.buffer[outDataLen:self.idx] #move buffer up self.idx -= outDataLen else: retVal=np.zeros((outDataLen), dtype=self.dtype) retVal[0:self.idx] = self.buffer[0:self.idx] self.idx=0 return np.reshape(retVal,(-1,1)) #The -1 value automatically calculates to the number of elements def showBuf(self): print(f'AudioBuf : {self.name} has length= {self.idx} with capacity {self.bufSize}') 结论： 由于音频处理应用程序众多，音频缓冲现在变得必不可少，而且更加重要。上面介绍的音频缓冲算法是一个方便的 Python 类。

This story contains new, firsthand information uncovered by the writer.

The code in this story is for educational purposes. The readers are solely responsible for whatever they build with it.

Walkthroughs, tutorials, guides, and tips. This story will teach you how to do something new or how to do something better.

Python 音频 FIFO 缓冲区类 - 一种算法

About Author

註釋

標籤

这篇文章刊登在

Related Stories

创建以用户为中心的加密产品：客户反馈的重要性

Floki 的 Valhalla 成为印度环斯里兰卡赛事联合赞助商

加密货币增长：创建有效的用户角色

创建以用户为中心的加密产品：客户反馈的重要性

Floki 的 Valhalla 成为印度环斯里兰卡赛事联合赞助商

加密货币增长：创建有效的用户角色

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps