Grafia, sinais e coluna por bloco
Sinais do áudio em uma linha de jsonW
A partir de PCM de 16 bits, o jsonW mede tom, pausas, intensidade, jitter, shimmer, HNR, formantes, MFCC, centroide, taxa de articulação e respirações.
· jsonW 1.3.11
O problema
Medir como uma pessoa falou exige juntar ferramentas de fonética e de processamento de sinais, cada uma com a sua saída, antes de guardar o resultado em algum lugar.
Como o jsonW resolve
A função jsonw_sinal_audio recebe o áudio em PCM de 16 bits mono e devolve uma linha de jsonW-texto no esquema declarado. O tom sai pela autocorrelação normalizada, o mesmo método do Praat; jitter e shimmer, pelos pulsos glotais; os formantes, por LPC; e as pausas, pelo limiar de Otsu, que tira o corte dos próprios dados.
int64_t r = jsonw_sinal_audio(pcm, n, 16000, "sintetico", "a1", saida, sizeof saida, erro, sizeof erro);
{origem: "sintetico", chave: "a1", dur_s: 2, fala_s: 1.6, silencio_pct: 19.1919, pausas: 1, pausa_media_ms: 380, pausa_max_ms: 380, nucleos: 1, taxa_articulacao: 0.625, taxa_fala: 0.5, intensidade_db: -16.0177, intensidade_dp: 0.74886, f0_hz: 164.993, f0_dp: 14.9999, f0_min: 149.997, f0_max: 179.998, jitter_pct: 0.00237075, shimmer_pct: 0.123395, hnr_db: 43.8417, f1: 624.1, f2: 1124.45, f3: 3245.8, mfcc: vf32[-16.138, 14.372, 2.5701, -5.5633, -3.0267, 1.5794, 2.0231, -0.98157, -2.1028, -0.48222, 0.94709, 0.17767, -1.0651], centroide_hz: 293.164, respiracoes: 0, disfluencias: null, vocalizacoes: null, vozeados: 156, quadros: 160}
Saída real da libjsonw 1.3.11 com um áudio sintético de 2 s: voz em 150 Hz, 0,4 s de silêncio e voz em 180 Hz. Ela achou 1 pausa de 380 ms e o tom entre 150 e 180 Hz.
Onde está
Na ABI (jsonw_sinal_audio, com o esquema em jsonw_sinal_esquema). A linha pode ser gravada direto num .jsw. O recurso mede, não decide: quem interpreta os números é o seu modelo.