Здравствуйте, vdimas, Вы писали:

V>>>Тут достаточно понимать, что выделяется не речь, а источник звука
V>·>Мне кажется, что речь тоже важно, т.к. это относительно узкий спектр.
V>Если "относительно", то очень широкий. ))
V>От 80-130 Гц грудных до ~10 кГц шипящих.
Если они выделили речь, что "можно разобрать что каждый из этих 5 человек говорят", а не "супер-качество студийной записи" — то диапазон может быть значительно ýже.

V>·>С оркестром у них врряд ли получится, и возможно ли вообще, не уверен.
V>У фоно диапазон `уже, чем у речи, в четвертой октаве звуки почти без обертонов, т.е. близки к синусоиде.
"фоно"?

V> В живой природе бюджет будет больше в 250-500 раз.

Так то с учётом R & D и уникальности. а если эти ваши 100 млн раскидать на 2-3 миллиарда пользователей,
то достаточно подождать лет 20 и купить "типовое решение для чатов (на фазированных решетках)" у китайцев,
ещё и дешевле моего бюджета окажется.

Здравствуйте, ·, Вы писали:

V>>Если "относительно", то очень широкий. ))
V>>От 80-130 Гц грудных до ~10 кГц шипящих.
·>Если они выделили речь, что "можно разобрать что каждый из этих 5 человек говорят", а не "супер-качество студийной записи" — то диапазон может быть значительно ýже.

При чём тут, вообще, диапазон? ))

Ты высказался некорректно насчёт ширины диапазона речи, я прикололся только над этим.
Если же говорить о той системе, то рояль играют только задержки распространения сигнала, а не характерные для него некие частотные полосы.

Даже в старой телефонии 250-3500Гц диапазон был достаточно широк, почти 4 октавы, покрывая основной энергетический диапазон нашего слуха.
Т.е. рассуждения в эту сторону в любом случае сходу мимо.


V>>·>С оркестром у них врряд ли получится, и возможно ли вообще, не уверен.
V>>У фоно диапазон `уже, чем у речи, в четвертой октаве звуки почти без обертонов, т.е. близки к синусоиде.
·>"фоно"?

Как комп в IT.
Гугл в помощь.

V>От 80-130 Гц грудных до ~10 кГц шипящих.
Не нужно для речи так высоко. 3200 достаточно. 10000-11000 это частота дискретизации. Вспоминая Котельникова она должна быть минимум в 2 раза выше верхней частоты нужного тебе сигнала.
А вот снизу тут таки 80-100, ибо частота основного тона там. У женщин и детей выше.

ЭФ>>Меня бы это очень устроило. Хочу готовое аппаратное решение в бюджете до 200 т.р. и с открытым кодом.
Спрашиваешь у гугла "антенные, микрофонные решетки". Разбираешься в формулах. Затем спрашиваешь у гугла "библиотеки для микрофонных и антенных решеток". Затем лепишь в соответствие с рассчитанным микрофоны на палки и пропускаешь сигнал с них через либу выбранную. Готово. Тебе еще понадобиться или многоканальный ацп, или пачка одноканальных (16 бит минимум) с усилителями звуковой частоты.

ЭФ>Я прочитал 6 частей статьи и не понял, что изображено на картинке из стартового поста.
Микрофон на членистоногой палке и тряпка от соплей, чтобы микрофон не заплевывал. Еще она совсем слабеньким высокочастотным фильтров работает, но основное от соплей ее предназначение.
Кусок поролона на микрофоне дает тот же эффект.

ЭФ>Странно, что у них всё в плоскости. Я бы ожидал что-то в виде тетраэдра или более сложного многогранника (например куба).
Зачем. Всякие объемные конструкции нужны, если тебе источник звука нужно в 3d позиционировать. А у тебе только 2 уха, посему и 2d достаточно.

V> у тебе только 2 уха, посему и 2d достаточно

У меня колонки, surround sound, несколько штук.
Мне надо, чтобы микрофон слушал что я говорю,
а не что колонки играют. Независимо от количества моих ушей.

ЭФ>Мне надо, чтобы микрофон слушал что я говорю,
ЭФ>а не что колонки играют. Независимо от количества моих ушей.
А вот этого просто не получится. Или дорогую микрофонную решетку делай с подбором диаграмм и чувствительности микрофонов, или юзай микрофон с очень низкой чувствительность прямо у рта своего.

ЭФ>>Мне надо, чтобы микрофон слушал что я говорю,
ЭФ>>а не что колонки играют. Независимо от количества моих ушей.
V> А вот этого просто не получится

Меня всегда удивляло — почему так?
Почему нельзя завести вывод аудио (он же изначально цифровой) на цифровой процессор?
Вот прям в оперативной памяти запомнить, а затем найти корелляцию в микрофонном вводе.

Почему приходится опираться только на данные из микрофона, а исходные данные,
которые выводились — теряются?

V> дорогую микрофонную решетку делай

Ну, собственно, выше по топику половина сообщений про миркофонную решетку, я хотел в объёме,
а ты почему-то начал возражать.

ЭФ>Вот прям в оперативной памяти запомнить, а затем найти корелляцию в микрофонном вводе.
Кого найти?
Ладно, так как в школе ты не учился, то расскажу. Звук — это волны в воздухе, которых ты не видишь. Но типичную картинку волн ты можешь увидеть на воде. Кинь несколько камушков в воду и определи какая волна от кого?

ЭФ>Почему приходится опираться только на данные из микрофона, а исходные данные,
ЭФ>которые выводились — теряются?
Потому что волны затухают.
Ну и еще при интерференции волн информация теряется. Вот специально для тебе простое объяснение. У Васи были яблоки и у Пети были яблоки. Они сложили их в один ящик. В ящике стало 100 яблок. Сколько яблок было у Васи и у Пети раньше?

ЭФ>Ну, собственно, выше по топику половина сообщений про миркофонную решетку, я хотел в объёме,
Ну делай в объеме, будет еще раз в 100 дороже.

Здравствуйте, Vzhyk2, Вы писали:

ЭФ>>Вот прям в оперативной памяти запомнить, а затем найти корелляцию в микрофонном вводе.
V>Кого найти?
V>Ладно, так как в школе ты не учился, то расскажу. Звук — это волны в воздухе, которых ты не видишь. Но типичную картинку волн ты можешь увидеть на воде. Кинь несколько камушков в воду и определи какая волна от кого?

Хм, как раз видя двумерную картинку волн это уже достаточно легко определяется (близко к области падения камней). Чем дальше, да, тем сложнее.
Если известна точная позиция всех микрофонов, то вычислить по сигналам, снятым с них, какой источник звука где находился, сам звук от этого источника, а потом отфильтровать только нужное — технически подъёмно, математика и алгоритмы публично известны.
Проблемы: 1) объём работы; 2) это задержка на обработку.
Если это музыка (пишут вокалиста), и есть ещё инструменты — или писать по 100500 раз раздельно и затем выбирать самые удачные треки для сведения, или строить задержку всем остальным инструментам.
А ещё профессионалы слушают себя в мониторинговых наушниках прямо в процессе, и если задержка больше, условно, 10 мс, то возникает тяжёлый конфликт с собственными действиями по воспроизведению — обработке которого тоже надо специально учиться.

ЭФ>>Почему приходится опираться только на данные из микрофона, а исходные данные,
ЭФ>>которые выводились — теряются?
V>Потому что волны затухают.
V>Ну и еще при интерференции волн информация теряется. Вот специально для тебе простое объяснение. У Васи были яблоки и у Пети были яблоки. Они сложили их в один ящик. В ящике стало 100 яблок. Сколько яблок было у Васи и у Пети раньше?

Не аргумент. Если у тебя в одном ящике v+p яблок, в другом v+p*0.8, в третьем v*0.7+p*0.3... ты вычислишь исходные значения v и p даже с избытком (придётся подбирать какое-то среднее между решениями).

ЭФ>>Ну, собственно, выше по топику половина сообщений про миркофонную решетку, я хотел в объёме,
V>Ну делай в объеме, будет еще раз в 100 дороже.

Физика — O(n) от количества микрофонов. Математика — есть операции на квадрат и куб — но при n<100 это незаметно.

N>Хм, как раз видя двумерную картинку волн это уже достаточно легко определяется (близко к области падения камней). Чем дальше, да, тем сложнее.
Неа. Только в условиях идеальной жидкости без границ.

N>Если известна точная позиция всех микрофонов, то вычислить по сигналам, снятым с них, какой источник звука где находился, сам звук от этого источника, а потом отфильтровать только нужное — технически подъёмно, математика и алгоритмы публично известны.
Нет, воздух не идеальный газ в бесконечном пространстве.

N>Если это музыка (пишут вокалиста), и есть ещё инструменты — или писать по 100500 раз раздельно и затем выбирать самые удачные треки для сведения, или строить задержку всем остальным инструментам.
Пишут в студии всё по отдельности или микрофонами прямо около рта с сильно задавленной чувствительностью и очень узкой диаграммой направленности.

V>>Ну и еще при интерференции волн информация теряется. Вот специально для тебе простое объяснение. У Васи были яблоки и у Пети были яблоки. Они сложили их в один ящик. В ящике стало 100 яблок. Сколько яблок было у Васи и у Пети раньше?
N>Не аргумент. Если у тебя в одном ящике v+p яблок, в другом v+p*0.8, в третьем v*0.7+p*0.3... ты вычислишь исходные значения v и p даже с избытком (придётся подбирать какое-то среднее между решениями).
Так яблок то сколько было у каждого?


Но так как ты не из местных юродиевых, то я приведу тебе 2 задачи, для которых не известно даже разрешимs они или нет.
1. Разделение голосов дикторов — спрос на нее дичайший, решения нет.
2. Разделения инструментов в музыке — спрос на нее дичайший, решения нет.
Можешь попробовать )).

Здравствуйте, Vzhyk2, Вы писали:

V>>От 80-130 Гц грудных до ~10 кГц шипящих.
V>Не нужно для речи так высоко. 3200 достаточно.

http://www.rsdn.org/forum/education/8129098.1

V>>>От 80-130 Гц грудных до ~10 кГц шипящих.
V>>Не нужно для речи так высоко. 3200 достаточно.

V>http://www.rsdn.org/forum/education/8129098.1
~10 кГц шипящих. — нет там ничего от речи.
При всех идеальных условиях от речи еще можно что-то откопать иногда до 4500. Но это при идеальном микрофоне в идеальных условиях записи.
Кстати, если будешь делать микрофонную решетку для речи, то ориентируйся на 1-1.5 кHz.
Не забывай, что речь имеет спектр розового шума со спадом 6dB на октаву, но не на всем диапазоне от 0Гц. Кстати есть две похожие частотных шкалы, придуманных именно для речи, шкала Барков и Мелов — они очень похожие (их рисовали основываясь на нашем слуховом аппарате).

Здравствуйте, netch80, Вы писали:

N>Проблемы: 1) объём работы; 2) это задержка на обработку.

При записи задержка рояли не играет.


N>Если это музыка (пишут вокалиста), и есть ещё инструменты — или писать по 100500 раз раздельно и затем выбирать самые удачные треки для сведения, или строить задержку всем остальным инструментам.

Так и делают в любом случае, звук голоса идёт отдельно от инструмента и сводится звукооператорами студий.


N>А ещё профессионалы слушают себя в мониторинговых наушниках прямо в процессе, и если задержка больше, условно, 10 мс, то возникает тяжёлый конфликт с собственными действиями по воспроизведению — обработке которого тоже надо специально учиться.

Для прослушивания себя серьезное шумоподавление не требуется.
Про задержку верно говоришь, поэтому любые мониторы всегда аналоговые, работающие без задержек.


N>Не аргумент. Если у тебя в одном ящике v+p яблок, в другом v+p*0.8, в третьем v*0.7+p*0.3... ты вычислишь исходные значения v и p даже с избытком (придётся подбирать какое-то среднее между решениями).

+1


N>Физика — O(n) от количества микрофонов. Математика — есть операции на квадрат и куб — но при n<100 это незаметно.

Но с тем отличием, что v и p — это не просто величины, это процессы.

Чтобы рассматривать их как величины, необходимо делать преобразование фурье по каждому микрофону и ловить v и p, которые будут представлять из себя вектора амплитуд и фаз по всей требуемой частотной области. В общем, это довольно дорого, дешевле обычной корреляцией найти точное фактическое расположение микрофонов в пространстве (т.е. найти точную разницу фаз, бо микрофоны установят всё-равно с погрешностями), вычислить поправки на взаимные неровности АЧХ микрофонов, например, вспомогательных относительно основного (а вот тут уже Фурье, но это лишь на стадии калибровки системы).

А затем в "рантайм" складывать простую сумму сигналов с вычисленными задержками и коррекциями АЧХ от вспомогательных микрофонов к основному для шумоподавления, задержки тут могут быть минимальны, примерно равны расстоянию/скорость звука м/у самыми удалёнными друг от друга микрофонами плюс менее миллисекунды, если балалайка специализированная аппаратная. На обычном компе со специальной звуковухой через ASIO-интерфейс можно вложиться сегодня в 2мс.

Здравствуйте, Эйнсток Файр, Вы писали:

ЭФ>Почему приходится опираться только на данные из микрофона, а исходные данные,
ЭФ>которые выводились — теряются?
Это будет работать в лишь идеальном случае, или, в лучшем случае, в специальной комнате и специальной откалиброванной технике. А в реальности вдруг выяснится что колонки и микрофон имеют свою уникальную АЧХ, которая слегка плавает от влажности воздуха и температуры, в комнате будет эхо, стоять какой-нибудь резонирующий шкаф, частично поглощающий определённые звуки ковер. И в итоге исходный цифровой сигнал будет значительно искажен непредсказуемым образом после пропускания через колонки-микрофон.

·> плавает от влажности воздуха и температуры

Ну ещё, значит, поставить датчик влажности воздуха и температуры. 700 рублей сто́ит...
Зависимость высчитать и вычислительными методами компенсировать.

·> непредсказуемым образом

Цель не в том, чтобы уметь записывать звук в любых условиях,
а в том, чтобы записывать звук без необходимости нажатия на тангенту.

Т.е. просто, чтобы человеку было удобно и звук был при коммуникациях хороший.
А удобно — это значит не в наушниках. Стены можно и подготовить, это другое.

Здравствуйте, Эйнсток Файр, Вы писали:

ЭФ>Или это вообще не микрофон, а просто пластина, чтобы звук ненапрямую шел?

Это сетка, которая препятствует попаданию плевков и потоков воздуха на микрофон.
Используется в случае, когда микросфон "ближнего поля" засовывают чуть ли не в рот говорящему,
чтоб громкие выдохи в микрофон не прослушивались.

ЭФ>Что такое тогда "Микрофоны поверхностные" или/и "микрофоны пограничного слоя"?

Скорей имеется ввиду, микрофоны располагаемые на поверхности. Стола, стены, и т.п.
При таком размещении микрофона есть свои нюансы, как положительные, так и отрицательные.
Из положительных, то что микрофон воспринимает преимущественно прямую волну, а не ещё
и отражённую (от той самой поверхности, на которой он размещается). Отражённая волна
может интерферировать с прямой волной, на разных частотах по-разному, что портит АЧХ
микрофона. Из минусов -- колебания самой поверхности воспринимаются микрофоном.

ЭФ>Можно ли обрабатывать звук с нескольких микрофонов так, чтобы оставался только звук говорящей головы
ЭФ>и гасились все остальные звуки (без нажатия тангенты) ?

Это по-русски называется microphone array и beamforming. Можно. Но как всегда есть
нюансы тоже. Во-первых то что называется такими словами в современной бытовой технике,
а сейчас оно якобы в каждом ноутбуке, например -- скорей всего обман, работа сделанная
индусами из под палки и наотъебись.

Вообще при малом количестве микрофонов получается так себе. Есть два типа массивов --
ориентированные вдоль направления на источник сигнала (endfire) и ориентированные
перпендикулярно направлению сигнала. Первые не могут быть перенастроены на другой источник
сигнала в принципе и обладают скорей фиксированными характеристиками. Ввиду чего такой
микрофонный массив может быть заменён чисто пассивной акустической системой и одним
микрофоном. Например, из двух всенаправленных микрофонов таким образом можно построить
направленный микрофон с кардиоидной характеристикой, или микрофон ближнего поля. Но в этом
мало смысла, т.к. какие микрофоны строятся из физически одного микрофона просто имеющего
корпус нужной формы с отверстиями в нужных местах... Хотя длинные массивы такого типа
могут иметь определённое преимущества.

Принцип действия микрофона ближнего поля, что он чувствителен не к давлению волны,
а к градиенту (для двухмикрофонного массива берётся разность сигналов, а не сумма),
поскольку давление падает пропорционально квадрату расстояния, то близкий источник
звука будет иметь больший градиент. Важно понимать, что все компьютерные микрофоны
"для скайпа" -- это микрофоны такого типа. Только они не состоят из двух микрофонов,
а попросту сзади корпуса отверстие, и спереди, в итоге мембрана реагирует на разность
давления, и сразу имеет ещё и направленную характеристику. Всенаправленные микрофоны
наоборот такого отверстия не имеют, реагируют на абсолютное давление, а не градиент,
воспринимают более-менее одинаково звук с любой стороны и не чувствительны только к
близким источникам звука. В системах телеконференций, для записи концертов и т.п.
используются такие микрофоны.

Второй тип микрофонных массивов, перпендикулярный, обычно представляет некое множество
микрофонов расположенных на одинаковом расстоянии от источника сигнала (иначе придётся
бороться ещё и с изменчивостью скорости звука, что ещё более неудобно). И изменяя весовые
коэффициенты в которыми складываются сигналы с микрофонов можно управлять напрявлением.
Проблема, что для разных частот, а частоты звука слышимого человеком изменяются на пару-тройку
порядков, диаграмма направленности выглядеть будет очень по-разному. Основной лепесток
конечно будет направлен в том же направлении, но все прочие лепестки -- куда попало.
И это проблема, т.к. такая характеристика опять же портит АЧХ системы. Потому, что звук
в микрофон, как ни крути, если речь о помещении, идёт не одним путём. И даже на улице
отражается от земли, людей и т.п.

Кроме того, самое сложное, как собственно подобрать весовые коэффициенты. Для одного
фиксированного направления -- задача тривиальна. А если надо перемещать "луч" за говорящим
человеком? Здесь начинаются разные know how, всё достаточно не тривиально. Почему я сразу
сказал, что в бытовой технике часто жалкая имитация. Обычно нужен какой-то voice detector,
дающий понимание какие части спектра собственно являются полезным сигналом, а не прочими
шумами, которые как раз хотелось бы подавить. Далее для них решается задача изменения
весовых коэффициентов таким образом, чтоб максимизировать полезный сигнал. Здесь могу
только отослать к специальной литературе. Кроме того, часто вместе с этим решается задача
акустического эхоподавления (такие микрофоны же нужны преимущественно для систем
телеконференций), шумоподавления и т.п.

ЭФ> Какие опенсорсные программы для этого нужны?

Боюсь, что никакие. Если есть готовая запись, то можно поиграться в octave/matlab,
в сети можно найти студенческие проекты. Но и саму запись получить сложно, см. ниже.

Потом не рассмотрен ещё вопрос подключения микрофонов и он реально печален. Я по-моему
на эту тему на rsdn распинался лет 12 тому назад. Начиная с основного -- к компьютеру
практически не реально подключить микрофон не "для скайпа". Их и в продаже-то нет.
Просто потому, что будет недостаточное усиление (очевидно, что с микрофона практически
засовываемого в рот сигнал на пару порядков превосходит по амплитуде сигнал с всенаправленного
микрофона), и зашкаливающие шумы самого микрофона, предусилителя в звуковой карте.
Микрофоны "для скайпа" изначально направленные -- ещё одна причина, почему на них
невозможно построить массив. Наконец самая большая проблема, что для подключения,
например, десятка микрофонов потребуется несколько звуковых карт. И хорошо, если
АЦП карт тактируется от системной шины компьютера, а не от собственного кварцевого
резонатора. Потому, что в последнем случае скорость поступления отсчётов сигнала
с каждой карты будет немного разная. У одной в секунду, условно, 44110, а у другой 44090,
у третьей 44100. И соотносить такие сигналы между собой получается нельзя так просто,
нужно их передискретизировать на какую-то общую частоту, плюс собственно как-то
измерить на какой реально частоте они работают. Наверное, это решаемая задача, но
одна только эта проблема уже не позволит по-простому поиграться со сложением сигнала
с нескольких микрофонов (за сколько-нибудь длительное время записи "разъедутся"
настолько, что массив перестанет работать). И уж совсем сложно говорить о "реальном
времени", где задержка должна быть порядка десятков миллисекунд. Её-то сложно
обеспечить если просто без обработки кидать данные со входа на выход.

Для работы с микрофонными массивами нужно скорей специализированное оборудование
не home&office класса.

Зачем плоскими круглыми и большими не знаю. Обычно микрофон -- это гибкая мембрана
колеблющаяся в электрическом поле (чаще всего, электретные или конденсаторные микрофоны,
последние наиболее качественные), или магнитном (динамические, микрофоны ближнего поля,
"для караоке", практически вышли из употребления из-за низких характеристик и чудовищных
размеров и веса), или металлическая мембрана на пьезокристалле (в т.ч. так называемые
миниатюрные MEMS-микрофоны в виде микросхемы, что сейчас встречается в любом мобильном
телефоне).

Чем больше по размеру мембрана, тем больше энергетика выдаваемого микрофоном сигнала,
и тем меньше проблем с шумящими усилителями (я думаю, в современных условиях это не
проблема вообще и микрофоны большого размера делаются только для вида). Кроме того, большая
мембрана может плохо работать для сигналов высоких частот, с длиной волны сопоставимой
с размером мембраны, и приходящих не строго перпендикулярно мембране, под углом. Для
частоты 16кГц, всё ещё воспринимаемой ухом, длина волны порядка двух сантиметров.
Вряд ли микрофон стоит делать больше. В MEMS микрофонах там дай бог миллиметр квадратный
и всё очень даже неплохо работает. Так что гигантские микрофоны, повторюсь, это
такой стимпанк, ничего практического там давно нет. Как и в усилителях на лампах,
в аналоговых микрофонах вообще (MEMS обычно выдают в цифровом коде, где амплитуда
кодируется плотностью следования импульсов высокой, порядка 1МГц, частоты). Нет
аналогового сигнала -- нет помех. На самом деле он есть, но начинается внутри микрофона
и там же кончается, потом в цифровой форме приходит в АЦП (кодек), где может опять
приобретать аналоговую форму внутри микросхемы и тут же оцифровываться в PCM
(pulse code modulation) низкой частоты (порядка 48кГц). В итоге "тёплый ламповый"
50Гц гудёж мы уже вряд ли когда-то больше услышим, как и шумовой фон создаваемый
усилителем (что на самом деле не удобно, не понятно, разрыв связи или собеседник
молчит, поэтому добавляют "комфортный шум" искусственно).

Здравствуйте, Vzhyk2, Вы писали:

V>>От 80-130 Гц грудных до ~10 кГц шипящих.
V>Не нужно для речи так высоко. 3200 достаточно. 10000-11000 это частота дискретизации. Вспоминая Котельникова она должна быть минимум в 2 раза выше верхней частоты нужного тебе сигнала.

Не знаю как с Найквистом (ну все же знают, наброшу на вентилятор, что радио изобрёл Маркони, а лампочку -- Эдиссон), но речь записанная на 16кГц звучит гораздо лучше, гораздо разборчивей и приятней, чем записанная на 8кГц. Потому, что там и шипящие, и свистящие, и совсем не идеальный в(ы)ходной фильтр у АЦП/ЦАП, и шумы квантования даже. И в итоге что имеем. Словосочетание "телефонное качество", наверное, говорит само за себя.