PCM 转 WMA, 每次应该写入多少数据了?

skinfeature 2010-04-10 01:16:52
int BUFSIZE = 44100*16*2/8;
stream->CreateStreamWMA(1, 2, 44100, 128000);

stream->BeginWriting("c:\\aaaaa.wma");
CFile f;
f.Open("不是因为寂寞才想你.PCM", CFile::OpenFlags::modeRead);
///采样率是44.1KHz,每个样本用16bit,立体声是两个声道 每秒钟的字节44100*16*2/8
BYTE *buf = new BYTE[BUFSIZE];
int m_MsAudioTime = 0;
DWORD Length;
while(f.Read(buf, BUFSIZE)>0)
{
stream->WriteAudioStream(0, buf, BUFSIZE,m_MsAudioTime);
m_MsAudioTime += MulDiv(BUFSIZE, 1000, BUFSIZE);
}
f.Close();

以上方法,如果PCM压缩WMA, 声音老是不对,每次应该写入多少数据量才正确了。如果wma的压缩格式是pcm,这样写入则正确,可是压缩的话,应该多少?
...全文
153 1 打赏 收藏 转发到动态 举报
写回复
用AI写文章
1 条回复
切换为时间正序
请发表友善的回复…
发表回复
skinfeature 2010-04-12
  • 打赏
  • 举报
回复
44100 采样率。 每秒钟采样44100次。
PCM定义每20ms表示一帧帧的长度
那么 44100/1000*20 = 882 表示每帧采样882个数据
也就是每20ms 882 个数据

那么我写wma. 我定义时间戳递增为20. 数据的长度为20ms的总的数据 882*16位*2双声道/8 = 3528.

我每20毫秒时间戳递增写3528个数据。我这样理解对吗??
内容概要:本文系统研究了基于CNN-SVM的卷积神经网络与支持向量机融合的数据分类预测方法,聚焦其在工业故障识别中的应用,提供了完整的Matlab代码实现。通过CNN提取输入数据的深层空间特征,再由SVM进行高精度分类,充分发挥两者优势,有效提升了故障识别的准确性、鲁棒性与泛化能力。该方法特别适用于处理电力系统、机械设备等领域的高维、非线性、强噪声监测数据,在变压器故障诊断、轴承缺陷识别等场景中具有重要应用价值。文档还整合了机器学习、深度学习、图像处理、路径规划、电力系统优化等多个前沿科研方向的技术资源,配套大量Matlab/Simulink仿真案例与Python代码,全面支持科研复现与工程实践。; 适合人群:具备一定编程基础,熟练掌握Matlab或Python语言,从事电气工程、自动化、人工智能、机械故障诊断等相关领域研究的研发人员及高校研究生; 使用场景及目标:① 实现工业设备的状态监测与多类别故障分类;② 深入理解CNN与SVM融合模型的设计原理与工程实现细节;③ 借助所提供的丰富算法案例开展科研复现、模型优化与系统仿真验证; 阅读建议:建议按照文档目录结构系统化学习,结合百度网盘提供的完整代码资源进行动手实践,重点关注CNN特征提取层与SVM分类器之间的数据接口设计与参数调优策略,同时可延伸学习文中涉及的其他智能算法及其在电力系统、信号处理等领域的交叉应用,全面提升科研创新能力。

2,554

社区成员

发帖
与我相关
我的任务
社区描述
专题开发/技术/项目 多媒体/流媒体开发
社区管理员
  • 多媒体/流媒体开发社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧