【视音频编程学习】开源音频加速方案Sonic、SoundTouch对比及实时处理音频的实验分析

语音变速不变调是指保持音调和语义保持不变，语速变快或变慢。该过程表现为语谱图在时间轴上如手风琴般压缩或者扩展。那也就是说，基频值几乎不变，对应于音调不变；整个时间过程被压缩或者扩展，声门周期的数目减小或者增加，即声道运动速率发生改变，语速也随之变化。

在初步调查后，有两种方案可以实现变速不变调的功能：sonic, sountTouch，两个方案都是用来处理pcm音频文件，支持wav格式，适用于解码后的pcm数据处理。

方案一：sonic

1. 处理后文件大小跟倍速值成反比。
2. sonic处理单位为帧，存在丢失部分数据的可能，推测是算法内部导致的。
3. 引入比较简单，主要函数为c语言编写，只需要引入一个c文件和.h头文件就可以使用。
4. 加速后的音质比soundTouch更差。

Sonic实时处理音频流

sonic定义了一个stream流，首先创建一个stream，输入采样率和声道数。然后设置流的相关参数（speed, pitch, rate）。如果要采用实时的方式来处理音频流，便使用sonicWriteToStream()及sonicReadShortFromStream()两个函数来输入输出。

问题：

1. 音质损耗问题，通过实验可以发现本来放入2048字节的数据，加速2倍后应该为1024字节的数据，但是实际取出可能为480，甚至1380，数据不均等。

refrence:

1. sonic源码分析

方案二：SoundTouch

1. 处理后的文件大小跟倍速值成反比。
2. 可以处理实时的音频数据但是输入/输出延时约为100ms;
3. 引入比sonic更加复杂，需要引入库进行使用。
4. 加速后的音质基本没有损耗，从听感上也比sonic的效果更好一些。

SoundTouch实时处理音频流

ST对音频的处理是输入函数putSamples()与输出函数receiveSamples()。实时处理音频流的思路就是，循环读取音频数据段，放入ST进行输出，输出处理后的数据段用于播放。

放入soundTouch的缓冲的数据需要经过处理后才能取出来，对于不同的seque