Tartalomjegyzék

Bevezetés
Digitális hangminták
Hangfájlok
A vlc media player
Effektprogramok
A programok fordítása és használata

Bevezetés

Egyszerű 10-15-soros C programokat írunk, melyek hangtechnikai effekteket valósítanak meg. Az effekteket csővezetékbe kapcsoljuk, mint a gitáros az effektpedálokat. A bináris fájlokon (és bináris standard input/outputon) kívül a hangfájlok rendszertechnikáját ismerjük meg.

Digitális hangminták

A hang a fület érő hangnyomás időbeli váltakozása: \(p(t)\), ahol \(t\) az idő, \(p\) pedig a hangnyomás.

Megjegyzés: A hangnyomás a légnyomás kisjelű ingadozása. A légnyomás statikus (állandó) értéke 101 kPa. Az ehhez hozzáadódó kis ingadozás a hangnyomás, melynek effektív értéke ritkán haladja meg az 1 Pa-t. A fülünkkel a kis ingadozást érzékeljük. A pillanatnyi hangnyomás lehet pozitív és negatív is.

A digitális hangminta a hangnyomás értékének rögzítése \(\Delta t\) időközönként egy tömbben \(p[k] = p(k\Delta t)\) . Ezt a digitális tárolási technikát Pulse Code Modulation (PCM) néven szoktuk emlegetni. Az alábbi ábra egy sztereó hangmintát ábrázol. A vízszintes tengely az idő, a függőleges a normalizált hangnyomás.

Hangjel Hangjel

Az egyes hangminta-adatokat különböző módon tárolhatjuk.

lebegőpontos tárolás esetén értéküket \(\pm 1\) között ábrázoljuk (normalizált hangnyomás).
egész típusú tárolás esetén a hangnyomást leképezzük az egész típus ábrázolási tartományára.

A mintavételezést sokszor inkább a \(\Delta t\) időlépés reciprokával, a mintavételi frekvenciával (sample rate) jellemezzük.

Megjegyzés: Az audió CD-k PCM rendszere pl. 16 bites signed int típussal tárol. Ekkor a hangminta adatait a \(-2^{15}\) és \(2^{15}-1\) közötti egész értékekkel reprezentáljuk, vagyis a legkisebb hangnyomásérték a -32768 és a legnagyobb a +32767. Az audió CD-k mintavételi frekvenciája 44100 Hz. Egy CD-ről leszedett 10 másodperces egycsatornás (monaurális, mono) hangminta egy 441 000 elemű tömbben tárolható.

Egy sztereó hangminta külön tartalmazza a bal és a jobb fület érő hangjeleket. Kezelhetjük akár 2D tömbként is, melynek egyik dimenziója 2 méretű, de tipikusan összefésülve (interlace), 1D tömbként ábrázoljuk. Sztereó minta esetén az összefésült tömb az alábbi formátumú:

+--------+---------+--------+---------+--------+---------+----
| 0. bal | 0. jobb | 1. bal | 1. jobb | 2. bal | 2. jobb | ...
+--------+---------+--------+---------+--------+---------+----

Hangfájlok

A hangfájlok digitális hangminták tárolására valóak. Rengeteg különböző hangfájl-formátum létezik.

A legegyszerűbb hangfájl a nyers (RAW) formátum, mely a PCM hangmintát (tömböt) mindenféle további információ nélkül tárolja. Alkalmazhatóságát korlátozza, hogy mivel nem tárolja a PCM adatfolyam formátumának leírását, a felhasználónak kell megjegyeznie, hogy melyik fájlban milyen formátum szerint, milyen mintavételi frekvenciával, hány csatorna hangmintáját tárolja (tipikusan beírja a fájlnévbe, pl. lady_gaga_telephone_s16le_44100_2ch.raw).
Az egyszerűbb WAV fájlok a PCM hangmintát tárolják, de azokat egy WAV header (fejléc) előzi meg, mely leírja a PCM ábrázolási formátumát (egész vagy lebegőpontos, hány biten tárol), a fájlban tárolt minta méretét, a csatornaszámot és mintavételi frekvenciát.
A tárolt adatmennyiség csökkentése érdekében sok formátum tömöríti a hangmintát. Hatékony veszteségmentes tömörített formátum pl. a FLAC.
A nagyarányú tömörítés érdekében sokszor veszteséges kódolókat használunk. A legelterjedtebb veszteséges tömörítési mód az MPEG-I/II Layer3 (MP3) formátum.

Egy jó hanglejátszó szoftver számos hangformátumot ismer. A szoftver feladata a különböző tömörített formátumok felismerése, kitömörítése (nyers PCM adatfolyammá alakítása), és az adatfolyam hangkártyára küldése:

Az igazán jól használható hanglejátszó szoftver ezen kívül

ingyenes, nyílt forráskódú,
parancssorból futtatható,
nemcsak fájlból, hanem standard inputról érkező vagy internetről streamelt adatokat is lejátszik,
nemcsak hangkártyára, hanem fájlba, esetleg standard outputra is tudja küldeni a nyers PCM adatfolyamot.

Vannak ilyen programok. A két legismertebb és legszélesebb körben használt talán az mplayer és a vlc media player

A vlc media player

Az alábbiakban a vlc media player használatát ismertetjük. Minden itt leírt funkció megvalósítható az mplayerrel is.

Az alábbi paranccsal a vlc megnyílik, és lejátssza a guns.mp3 fájlt:

vlc guns.mp3

Ha azt akarjuk, hogy a lejátszás után a vlc automatikusan bezáruljon,

vlc guns.mp3 vlc://quit

Igazából teljesen fölösleges a lejátszáshoz megnyitni a player GUI-ját (graphical user interface):

cvlc guns.mp3 vlc://quit

Itt a cvlc a console vlc-re utal.

Megjegyzés

Windows alatt nagy valószínűséggel nem megy a cvlc. Helyette írhatjuk azt, hogy

vlc -I dummy

ahol a -I dummy a (korántsem) buta parancssoros interfészt jelenti.

Ha azt akarjuk, hogy a vlc a hang kimenetet ne a hangkártyára, hanem fájlba küldje, akkor fel kell paramétereznünk a stream outputot (sout)

cvlc guns.mp3 --sout "#transcode{acodec=fl32,channels=2,samplerate=44100}:std{access=file,mux=raw,dst=guns.pcm}"  vlc://quit

Itt a --sout kapcsolót követően egy sztringet adtunk meg, mely a transzkóder (mp3-ból nyers PCM) paramétereit adja meg:

acodec=fl32 nyers PCM mintákat tárolunk 32 bites floating point (fl32) adatként (float).
channels=2 sztereó
samplerate=44100 a mintavételi frekvencia
access=file a kimenet egy fájl lesz
mux=raw nem írunk semmiféle fejlécet, csak a nyers adatokat
dst=guns.pcm a kimenő (destination) fájl neve

Ekkor létrejött a guns.pcm, melyben a guns.mp3 kitömörített PCM adatfolyama van a megadott paraméterekkel kódolva.

Már csak egyetlen dolog van hátra. Ha a vlc-vel nyers PCM adatot akarunk lejátszani, akkor tudatnunk kell vele annak formátumát:

cvlc guns.pcm --demux=rawaud --rawaud-fourcc=fl32 --rawaud-channels=2 --rawaud-samplerate=44100 vlc://quit

Itt a fourcc (four character code) paraméter adja meg a mintaadatok formátumát, a többi paraméter magáért beszél.

Összefoglalva képesek vagyunk

egy tetszőleges audió fájlban tárolt zenét nyers PCM adatfolyamként fájlba küldeni
nyers PCM fájlt lejátszani

Kihasználva továbbá, hogy a VLC a kitölörített PCM-et nemcsak fájlba, hanem a standard outputra is tudja küldeni, továbbá a VLC nemcsak fájlból, hanem a standard inputról is képes olvasni, az alábbi blokkdiagram megvalósítására is képesek vagyunk:

Itt két VLC példányt indítunk el párhuzamosan, melyek egyszerre futnak. Az első kitömöríti a hangfájlt, és a nyers PCM-et kiküldi a standard outputra. A második a nyers PCM-et standard inputján kapja meg, és lejátssza.

Ehhez a megfelelő VLC-hívás az alábbi:

cvlc guns.mp3 --sout "#transcode{acodec=fl32,channels=2,samplerate=44100}:std{access=file,mux=raw,dst=-}" | cvlc - --demux=rawaud --rawaud-channels=2 --rawaud-fourcc=fl32 --rawaud-samplerate=44100

A két programot a pipe operátorral kapcsoltuk össze (|). Az első parancsban a dst=- felelős a fájl helyett standard otputra küldésért, a másodikban a bemenő fájl helyén a - paraméter utal a standard inputról való lejátszásra.

Effektprogramok

Ezek után már csak a két nyers PCM fájl közé kell C programokat (effekteket) írnunk. A kibővített blokkdiagramunk tehát

Sztereó drót

Egy megfelelő (és első körben semmit nem csináló) effektprogram a sztereó drót, mely a wire.c fájlban van megvalósítva. Ez a program kettesével olvas hangmintákat a bemenetről, amíg csak jönnek, és kiírja őket a kimenetre. Ahhoz, hogy jól lefusson, fontos, hogy a standard streameket (stdin és stdout) binárisra állítsuk. A standard inputról és outputról a 7. előadáson azt tanultuk, hogy "szöveges fájlok", melyek automatikusan megnyílnak a program indulásakor. A binary_streams függvény újranyitja őket bináris módban, mert a PCM adatok nem szövegesen, hanem float értékek formájában érkeznek.

Erősítő

Nagyon egyszerű az erősítő effekt, melyet az amplify.c valósít meg. Ez a sztereó drót minimális módosításával megvalósítható. A bejövő hangmintákat egy konstanssal szorozzuk, mely a program parancssori paramétereként adható meg. Ezek értelmében a program lehetséges használata

amplify 10.0 < input.pcm > output.pcm

Torzító

A legegyszerűbb torzító úgy működik, hogy a bemenő \(x\) jelet felerősítjük \(d\)-szeresre (ez a drive), majd \(\pm 1\) szinten levágjuk (limiter). A distort.c fájlban megtalálható torzító algoritmusa az erősítő minmális továbbfejlesztésével kódolható. Hogy ne legyen túl hangos a kimenet, a torzító mögé kacsolhatunk egy erősítőt, mellyel csillapítunk az alábbi módon:

distort 20 < input.pcm | amplify .1 > output.pcm

Az effekt nyers bemenete: queen. az effekt kimenete: queen_dist

Delay (zengető)

A delay.c fájlban megvalósított zengető egyszerű szabályos visszaverődésekből álló végtelen visszhangot valósít meg. Megvalósítása végtelenített (cirkuláris) tárolóval történik. A cirkuláris tároló egyszerű tömb, melyet 0-tól N-1-ig indexelünk, de az N-1. elem után ismét a nulladikat írjuk felül. A tároló kezdetben üres, mi pedig feltöltjük a beérkező mintaelemekkel. Mikor már létező elemét írnánk felül, annak értékét megszorozzuk az \(\alpha < 1\) csillapítással (ez a visszhang csillapítása), majd hozzáadjuk az éppen beérkező mintaelemet. A visszhang késleltetését a tároló hossza határozza meg.

Az aktuális kimenet az éppen módosított tárolóelem lesz.

A cirkuláris puffer sztereó minta esetén egy 2D tömb, ahol az N érték természetesen konstans.

sample_t circ_buffer[N][2] = {0};

A feldolgozási fázis pedig az alábbi módon algoritmizálható (a k számláló értéke kezdetben 0):

while (fread(samples, sizeof(sample_t), 2, stdin) == 2) {   /* bemenet beolvasása */
    int c;
    for (c = 0; c < 2; ++c) {
        circ_buffer[k][c] *= alpha;     /* múlt csillapítása */
        circ_buffer[k][c] += samples[c];    /* jelen hozzáadása */
    }
 
    fwrite(circ_buffer[k], sizeof(sample_t), 2, stdout);    /* kimenet kiadása */
 
    if (++k == N)   /* cirkuláris léptetés */
        k = 0;
}

Az effekt alkalmazása:

delay .2 .3 < input.pcm > output.pcm

ahol az első paraméter a 0.2 másodperces visszahngkésleltetésre, a második pedig a 0.3 értékű csillapításra utal.

A nyers hangbemenete: living. Az effektezett kimenete: living_delay

Vibrátó

A vibrátó a hangmagasság periodikus, gyors (pár hertzes) változtatását jelenti. A vibrátó algoritmusának megértéséhez először egy egyszerű késleltetőt valósítsunk meg:

A késleltető egy tömb, melyet cirkulárisan feltöltünk a beérkező elemekkel. A cirkuláris feltöltés ugyanúgy történik, mint az előző példában, csak itt a korábbi elemeket egyszerűen felülírjuk. Ezáltal a tároló mindig az N megelőző mintaelemet tartalmazza. A késleletetés megvalósításához az aktuális kimenetet a tárolóból a beírás ütemével szinkronban, de lemaradva olvassuk ki:

int write = 0, read = N/2;
 
while (fread(circ_buffer[write], sizeof(sample_t), 2, stdin) == 2) {
    fwrite(circ_buffer[read], sizeof(sample_t), 2, stdout);
 
    if (++write == N)   /* írófej cirkulárisan lép */
        write = 0;
    if (++read == N)    /* olvasófej cirkulárisan lép */
        read = 0;
}

A fenti példában az algoritmus N/2 elemnyi késleltetéssel dolgozik.

A vibrátó azt jelenti, hogy az olvasófej pozícióját periodikusan elmozdítjuk. Az alábbi példában az olvasófej kitérése

\( d \cdot \sin(2\pi f_{vib} k \Delta t)\)

vagyis maximum \( d \) mintaelemnyivel tér ki a szinkron pozícióhoz képest, és ezt \(f_{vib}\) frekvencián teszi.

long long int k = 0;        /* időszámláló */
int write = 0, read = N/2;  /* író és olvasópozíciók */
 
while (fread(circ_buffer[write], sizeof(sample_t), 2, stdin) == 2) {
    int r = read + sin(2.0*M_PI*f_vib/SAMPLE_RATE*k) * depth;   /* kitérített olvasó */
    if (r < 0)
        r += N;
    fwrite(circ_buffer[r % N], sizeof(sample_t), 2, stdout);    /* olvasás */
 
    if (++write == N)
        write = 0;
    if (++read == N)
        read = 0;
    k++;
}

A nyers hangbemenet: billie. Az effektezett kimenet: billie_vib

A kórus (chorus)

A kórus effekt legegyszerűbb verziója egy vibrátóval megeffektezett hangjel, melyhez hozzákeverjük (hozzáadjuk) az eredeti nyers hangot is. A vibrátó ismeretében igen könnyen leprogramozható, érdekes hangzása van:

A nyers hangbemenet: guns. Az effektezett kimenet: guns_chorus

A programok fordítása és használata

Az összes program innen tölthető le. Egyszerűen fordulnak. VS alatt

cl amplify.c
cl distort.c
cl delay.c
cl vibrato.c
cl chorus.c

gcc-vel

gcc amplify.c -o amplify
gcc distort.c -o distort
gcc delay.c -o delay
gcc vibrato.c -o vibrato -lm
gcc chorus.c -o chorus -lm

ahol a -lm a math.h beillesztése miatt kell.