高高分求,Alaw 音频流 播放问题

shizhu820228 2014-05-06 09:26:23
我在语音卡的机器上截了一段 音频流(byte[])格式,
手动添加音频头

byte[] play(byte[] mWaveFile)
{
MemoryStream ms = new MemoryStream();
BinaryWriter mWriter = new BinaryWriter(ms);
// 开始准备WAV的文件头
char[] ChunkRiff = { 'R', 'I', 'F', 'F' };

char[] ChunkType = { 'W', 'A', 'V', 'E' };
char[] ChunkFmt = { 'f', 'm', 't', ' ' };
char[] ChunkData = { 'd', 'a', 't', 'a' };
int nLength = mWaveFile.Length - 8 + 44;
//将文件头写入wav文件
mWriter.Write(ChunkRiff);
mWriter.Write(nLength);
mWriter.Write(ChunkType);
mWriter.Write(ChunkFmt);
mWriter.Write(16); // 表示 FMT 的长度
mWriter.Write((short)6); //这个表示a law PCM
mWriter.Write((short)1); // nChannleNumber
mWriter.Write(8000); // nSampleRate
mWriter.Write(8000); // nBytesPerSecond
mWriter.Write((short)1); // nBytesPerSample
mWriter.Write((short)8); // nBitsPerSample
mWriter.Write(ChunkData);
// 数据块
mWriter.Write(mWaveFile.Length);
mWriter.Write(mWaveFile);
ms.Position = 0;
return ms.ToArray();

}

问题描述:
如果直接存储为.wav文件的话。。可以播放但是速度超快,时长大约是原文件的1/10。
而且这个头文件是 alaw格式的,SoundPlayer不支持播放,DirectSound可以播放但是有噪音
如果头文件改为PCM的,SoundPlayer可以播放,但是有噪音
问题:
1.我的问题就是想按正常速度播放这段Alaw流文件,应该是被压缩过的数据,但是怎么能知道解码方式。
2.用什么播放比较好(我试过SoundPlayer,DirectSound),做过的人,给点提示或者有代码更好。。

...全文
417 6 打赏 收藏 转发到动态 举报
写回复
用AI写文章
6 条回复
切换为时间正序
请发表友善的回复…
发表回复
shizhu820228 2014-05-07
  • 打赏
  • 举报
回复
现在通过DirectSound设置WaveFormat 可以播放语音流,用G711 解码,但是还是速度快, 有人知道原因吗
绿龙术士 2014-05-07
  • 打赏
  • 举报
回复
帮顶下。。。。。。。。。。。。。。
xdashewan 2014-05-07
  • 打赏
  • 举报
回复
这几天研究音频传输,正好看过头文件资料,a律pcm的头文件不是44个吧,应该是58个字节,而且FMT 的长度也不是18 这是我这几天参照的格式说明,楼主看看吧

8KHz采样、8比特A律量化的PCM语音信号的WAVE文件头格式表(共58字节)
偏移地址 字节数 数据类型 内容 文件头定义为
00H 4 char "RIFF" char riff_id[4]="RIFF"
04H 4 long int 文件总长-8 long int size0=文总长-8
08H 8 char "WAVEfmt " char wave_fmt[8]
10H 4 long int 12000000H(ALAW) long int size1=0x12
14H 2 int 06 00H int fmttag=0x06
16H 2 int 声道数 int channel=1 或2
18H 4 long int 采样率 long int samplespersec
1CH 4 long int 每秒播放字节数 long int bytepersec
20H 2 int 采样一次占字节数 int blockalign=0x01
22H 4 long int 量化数 long int bitpersamples=8
26H 4 char "fact" char wave_fact="fact"
2AH 8 char 0400000000530700H定 char temp
32H 4 char "data" char wave_data="data"
36H 4 long int 采样数据字节数 lont int size2=文长-58
於黾 2014-05-07
  • 打赏
  • 举报
回复
mWriter.Write(8000); // nBytesPerSecond 没有试试改一下这个参数? 看注释,这个是每秒播放的字节数
iceqijunfei 2014-05-07
  • 打赏
  • 举报
回复
楼主用FFmpeg试试吧
shizhu820228 2014-05-06
  • 打赏
  • 举报
回复
做过滴,帮忙看过来。。。 一个小的提示,都不盛感激
本系统提出了一套面向MRI全心脏分割任务的端到端深度学习解决方案,其核心创新在于将Swin Transformer作为编码器骨干网络,充分挖掘心脏MRI图像中的全局上下文信息与局部细节特征,同时引入4通道输入机制,在传统RGB三通道图像基础上额外拼接一个点提示编码通道,支持用户通过鼠标交互在图像上自由标注前景(心脏区域)与背景点,从而将先验空间信息显式地融入网络前向传播过程,实现基于稀疏标注引导的精准分割。在解码阶段,系统采用U型对称结构,通过逐步上采样与跳跃连接逐级恢复特征图分辨率,最终输出二值分割掩膜(前景/背景),有效区分心脏区域与其他组织。训练过程中,系统选用交叉熵损失函数,配合AdamW优化器与余弦退火学习率调度策略,确保模型在训练集和验证集上稳定收敛,并在每个epoch结束后自动计算全局像素准确率、平均交并比(mIoU)、平均Dice系数、平均精确率、平均召回率及平均F1分数等多项评估指标,全方位监控模型性能。系统内置了完整的训练日志保存、损失曲线与性能曲线绘制、学习率衰减可视化等功能模块,便于用户直观分析训练过程并调优超参数。在推理应用层面,系统封装了基于Tkinter框架的图形化交互界面,用户可上传任意MRI切片图像,通过鼠标左键/右键分别添加前景/背景点,点击“执行分割”按钮后即可实时生成叠加了红色半透明掩膜的分割结果图像,支持点集的增删与重置操作,交互响应灵敏,操作逻辑直观清晰。整体而言,本系统不仅实现了从多模态数据加载、交互式标注编码、基于Transformer的分割建模到图形化推理部署的全链路覆盖,更在算法层面通过点提示引导机制与Swin Transformer结构的效结合,显著降低了对大规模标注数据的依赖,同时提升了模型对心脏边界模糊、形态变异及邻近组织干扰的鲁棒性,为心血管疾病的计算机辅助诊断、术前规划及定量分析提供了一种兼具精度与灵活性的智能
针对心脏MRI图像中边界模糊、器官形变复杂以及标注成本昂等痛点,本研究构建了一套以Swin Transformer为编码基座、融合人机交互机制的轻量化分割系统。该方案跳出传统全自动分割的思维定式,转而采纳“模型推理+专家微调”的协同策略,在模型输入层开辟了一条额外的点提示通道,允许操作者通过鼠标标记少量前景或背景点,将这些位置信息与图像特征并行馈入网络,从而将抽象的空间先验转化为可微分的学习信号,使得分割结果能够灵活响应个体差异与局部歧义。编码端采用基于移位窗口注意力的Transformer结构,以分层递降的分辨率捕获全局感受野下的解剖结构关联,解码端则通过逐步上采样与跨层特征拼接恢复空间细节,最终输出逐像素的二分类概率图。训练数据来自心脏MRI多切片序列,每张样本不仅包含原始影像与对应金标准掩膜,还通过随机采样前景点的方式模拟真实交互场景,迫使模型学会如何从稀疏的点监督中推断完整器官轮廓。损失函数选用标准交叉熵,用以衡量预测概率与真实标签之间的分布差异,同时引入混淆矩阵模块对训练与验证阶段的像素精度、召回率、F1分数、Dice系数及平均交并比进行逐轮次追踪,所有评估曲线均自动落盘保存,便于横向对比不同超参数配置下的性能演变规律。在工具链末端,系统配套开发了一个基于Tkinter的事件驱动型图形界面,将模型推理、点标注、结果渲染与图像交互四个环节无缝串联。用户上传图像后,可通过左键与右键分别部署正负样本点,随后系统自动完成坐标缩放、通道拼接、前向传播与掩膜重采样,最终在原始影像上叠加半透明彩色蒙层,清晰勾勒出模型判定的心脏区域。整套代码逻辑紧密、模块边界清晰,既可作为医学影像分割领域的教学范例,亦可经过少量适配迁移至其他器官或模态的交互式标注任务中,具备良好的扩展潜力与实用价值。

111,129

社区成员

发帖
与我相关
我的任务
社区描述
.NET技术 C#
社区管理员
  • C#
  • Creator Browser
  • by_封爱
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告

让您成为最强悍的C#开发者

试试用AI创作助手写篇文章吧