Привет, я хочу прочитать, а затем хочу выполнить некоторые операции с необработанным звуком. Как лучше всего это сделать?
Чтение необработанного аудио в iphone SDK
01.05.2011
- Что является источником звука? какой тип файла/кодировка и т.д.? 01.05.2011
Ответы:
1
Службы аудиофайлов, службы аудиоконвертера и расширенные службы аудиофайлов — все в Core Audio. AV Foundation + Core Media (в частности, AVAssetReader) также может быть вариантом, но он действительно новый и, следовательно, еще менее документирован и менее понятен, чем Core Audio на данный момент.
04.06.2011
2
Если вы ищете образец кода, "Audio Graph" является хорошей отправной точкой. Разработчик предоставил немного собственной документации, которая вам немного поможет.
25.01.2013
3
Это будет зависеть от использования для аудио. Если задержка является проблемой, выберите аудиоустройства. Но если это не так, вам может потребоваться более высокий уровень, например AudioQueues.
25.01.2013
Новые материалы
Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально
Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
Частный метод Python: улучшение инкапсуляции и безопасности
Введение
Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования
Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv)
Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..