रेडियो के लिए एडब्लॉक

लेख के लेखक पोलिश प्रोग्रामर टोमेक रेकेवेक हैं, जो एडोब के लिए अपाचे सॉफ्टवेयर फाउंडेशन के हिस्से के रूप में जैकबबिट ओक परियोजना को विकसित कर रहे हैं। यह लेख 24 फरवरी, 2016 को लेखक के निजी ब्लॉग पर प्रकाशित हुआ था।

पोलिश "रेडियो -3" (तथाकथित "ट्रोइका") अच्छे संगीत और बुद्धिमान प्रस्तुतकर्ताओं के लिए प्रसिद्ध है। दूसरी ओर, यह प्रसारण में जोर से और कष्टप्रद विज्ञापन इकाइयों की उपस्थिति से ग्रस्त है, जो आमतौर पर किसी प्रकार के इलेक्ट्रॉनिक्स या चिकित्सा का विज्ञापन करते हैं। मैं ट्रोइका को लगभग लगातार काम पर और घर पर सुनता हूं, इसलिए मैंने सोचा: विज्ञापन कैसे निकालें? मुझे लगता है कि मैं एक समाधान खोजने में कामयाब रहा।

डिजिटल सिग्नल प्रोसेसिंग

मेरा लक्ष्य एक ऐसा एप्लिकेशन बनाना है जो विज्ञापनों को म्यूट करता है। वाणिज्यिक ब्लॉक जिंगल्स के साथ शुरू और समाप्त होता है , इसलिए कार्यक्रम को इन विशिष्ट ध्वनियों को पहचानना चाहिए और उनके बीच की आवाज़ को बंद करना चाहिए।

मुझे पता है कि गणित / कंप्यूटर विज्ञान के इस क्षेत्र को डिजिटल सिग्नल प्रोसेसिंग कहा जाता है, लेकिन डीएसपी मुझे हमेशा जादू लगता था। खैर, कुछ नया सीखने का शानदार मौका। मैंने एक या दो दिन बिताए ताकि यह पता लगाया जा सके कि ऑडियो स्ट्रीम का विश्लेषण करने के लिए किस तंत्र का उपयोग करना है। और अंत में, मैंने पाया कि मुझे क्या चाहिए: यह क्रॉस-सहसंबंध या क्रॉस-सहसंबंध (क्रॉस-सहसंबंध) है।

सप्टक

आमतौर पर हर कोई MATLAB के कार्यान्वयन को संदर्भित करता है। लेकिन MATLAB एक महंगा अनुप्रयोग है जो डीएसपी सहित जटिल गणितीय कार्यों के निष्पादन को सरल बनाता है। सौभाग्य से, ऑक्टेव नामक एक मुफ्त विकल्प है। ऐसा लगता है कि ऑक्टेव में दो ऑडियो फाइलों पर क्रॉस-सहसंबंध चलाना आसान है। केवल निम्न आदेशों को निष्पादित करना आवश्यक है:

pkg load signal jingle = wavread('jingle.wav')(:,1); audio = wavread ('audio.wav')(:,1); [R, lag] = xcorr(jingle, audio); plot(R); 

आपको निम्नलिखित चार्ट मिलेगा:



एक चोटी स्पष्ट रूप से दिखाई दे रही है जो jingle.wav में audio.wav की स्थिति का वर्णन audio.wav । मुझे जो आश्चर्य हुआ वह विधि की सरलता थी: xcorr() सभी काम करता है, बाकी कोड केवल फाइलों को पढ़ने और परिणाम प्रदर्शित करने के लिए है।

मैं जावा में समान एल्गोरिथ्म लागू करना चाहता था, और फिर मेरे पास एक उपकरण होगा:

1. मानक इनपुट से ऑडियो स्ट्रीम पढ़ता है (उदाहरण के लिए, ffmpeg से),
2. जिंगल्स की खोज में इसका विश्लेषण करता है,
3. एक ही धारा को स्टडआउट और / या इसे अक्षम करता है।

स्टडिन और स्टडआउट का उपयोग करने से आप नए विश्लेषक को ऑडियो प्रसारण और परिणाम के प्लेबैक के लिए जिम्मेदार अन्य एप्लिकेशन से कनेक्ट कर सकेंगे।

ध्वनि फ़ाइलें पढ़ना

जावा प्रोग्राम को पढ़ना चाहिए पहली चीज एक सरणी में एक जिंगल ( .wav फ़ाइल के रूप में सहेजी गई) है। फ़ाइल में कुछ अतिरिक्त जानकारी है जैसे हेडर, मेटाडेटा, और बहुत कुछ, लेकिन हमें केवल ध्वनि की आवश्यकता है। एक उपयुक्त प्रारूप को PCM कहा जाता है, यह केवल ध्वनियों का प्रतिनिधित्व करने वाली संख्याओं की एक सूची है। कन्वर्ट WAV को PCM कर सकते हैं:

 ffmpeg -i input.wav -f s16le -acodec pcm_s16le output.raw 

यहां, प्रत्येक नमूने को रिवर्स बाइट ऑर्डर (थोड़ा एंडियन) के साथ 16-बिट संख्या के रूप में सहेजा जाता है। जावा में, इस संख्या को short कहा जाता है, और आप इनपुट स्ट्रीम को स्वचालित रूप से short मानों की सूची में बदलने के लिए ByteBuffer वर्ग का उपयोग कर सकते हैं:

 ByteBuffer buf = ByteBuffer.allocate(4); buf.order(ByteOrder.LITTLE_ENDIAN); buf.put(bytes); short leftChannel = buf.readShort(); // stereo stream short rightChannel = buf.readShort(); 

Xcorr रिवर्स इंजीनियरिंग

जावा में xcorr() फ़ंक्शन को लागू करने के लिए, मैंने ऑक्टेव स्रोत कोड का अध्ययन किया। अंतिम परिणाम को बदले बिना, मैं xcorr () कॉल को निम्नलिखित पंक्तियों के साथ बदलने में सक्षम था - उन्हें जावा में फिर से लिखने की आवश्यकता है:

 N = length(audio); M = 2 ^ nextpow2(2 * N - 1); pre = fft(postpad(prepad(jingle(:), length(jingle) + N - 1), M)); post = fft(postpad(audio(:), M)); cor = ifft(pre .* conj(post)); R = real(cor(1:2 * N)); 

यह डरावना लग रहा है, लेकिन अधिकांश फ़ंक्शन सरणियों के साथ तुच्छ संचालन हैं। क्रॉस-सहसंबंध एक ध्वनि नमूना पर तेजी से फूरियर रूपांतरण के आवेदन पर आधारित है।

फास्ट फूरियर ट्रांसफॉर्म

एक ऐसे व्यक्ति के रूप में जिसे डीएसपी के साथ कोई अनुभव नहीं है, मैं सिर्फ एफएफटी को एक फ़ंक्शन के रूप में देखता हूं जो एक ध्वनि नमूने के विवरण के साथ एक सरणी लेता है - और एक संख्या देता है जिसमें जटिल संख्याएं होती हैं जो आवृत्तियों का प्रतिनिधित्व करती हैं। इस न्यूनतर दृष्टिकोण ने अच्छी तरह से काम किया: मैंने JTransforms पैकेज से एफएफटी कार्यान्वयन शुरू किया और ऑक्टेव के समान परिणाम प्राप्त किए। मुझे लगता है कि यह आंशिक रूप से एक कार्गो पंथ है , लेकिन लानत है, यह काम करता है!

एक धागे पर xcorr चल रहा है

ऊपर एल्गोरिथ्म मानता है कि audio वह सरणी है जिसमें हम jingle तलाश कर रहे हैं। यह प्रसारण के लिए पूरी तरह से उपयुक्त नहीं है, जहां हमारे पास ध्वनि की एक सतत धारा है। विश्लेषण को चलाने के लिए, मैंने पहचाने जाने वाले जिंगल की अवधि की तुलना में थोड़ी देर के लिए एक चक्रीय बफर बनाया। आने वाली धारा बफर को भरती है, और जैसे ही यह पूरी होती है, क्रॉस-सहसंबंध परीक्षण चलाया जाता है। यदि कुछ नहीं मिला है, तो बफर का सबसे पुराना हिस्सा छोड़ दिया गया है - और फिर से हम इसे भरने की उम्मीद करते हैं।

मैंने बफर की लंबाई के साथ थोड़ा प्रयोग किया और सबसे अच्छा परिणाम मिला, जो बफर के आकार के 1.5 गुना जिंगल के आकार का था।

यह सब एक साथ रखना

पीसीएम प्रारूप में एक धारा प्राप्त करना आसान है। यह उपरोक्त ffmpeg का उपयोग करके किया जा सकता है। नीचे दी गई कमांड स्ट्रीम को मानक java इनपुट पर पुनर्निर्देशित करती है, और तब स्ट्रीम में संबंधित पैटर्न मिलने पर Got jingle 0 या Got jingle 1 प्राप्त करता है।

 ffmpeg -loglevel -8 \ -i http://stream3.polskieradio.pl:8904/\;stream \ -f s16le -acodec pcm_s16le - \ | java -jar target/analyzer-1.0.0-SNAPSHOT-jar-with-dependencies.jar \ 2 \ src/test/resources/commercial-start-44.1k.raw 500 \ src/test/resources/commercial-end-44.1k.raw 700 

स्टैंडअलोन संस्करण

मैंने विश्लेषक का एक सरल स्टैंड-अलोन संस्करण भी तैयार किया, जो स्वयं ट्रोइका स्ट्रीम (बाहरी ffmpeg बिना) से जुड़ता है और javax.sound का उपयोग करके परिणाम को पुन: उत्पन्न करता है। सब कुछ एक ही JAR फ़ाइल में फिट बैठता है और इसमें स्टार और स्टॉप बटन के साथ एक बुनियादी उपयोगकर्ता इंटरफ़ेस होता है। इसे यहां से डाउनलोड किया जा सकता है । यदि आप अन्य लोगों के JAR को अपनी मशीन पर चलाना पसंद नहीं करते (जो कि बिल्कुल सही है), तो सभी स्रोत GitHub पर हैं।



लगता है कि सब कुछ काम करना चाहिए :)

आगे का काम

अंतिम लक्ष्य एक हार्डवेयर एम्पलीफायर के स्तर पर विज्ञापनों को अक्षम करना है, एक "वास्तविक" एफएम सिग्नल प्राप्त करना, और कुछ इंटरनेट स्ट्रीम नहीं। इसका वर्णन अगले लेख में किया गया है ।

अपडेट (जून 2018)

हैकर समाचार पर चर्चा
वायकोप पर चर्चा
रेडिट पर चर्चा