一直以来 birthday-cake.online 对吹气声的识别非常不精确,这对程序的使用环境提出了严苛的要求,用户必须保证蛋糕场景设置好后,设备周围的环境非常安静,这对用户来说是非常不方便的。
但是在最近的发布让这个问题引刃而解了。经过测试,即使在地铁里、在云南大学的食堂,只要稍微调低一点灵敏度,也不会被周围噪声影响而误判,而真正的吹气声,却能灵敏地识别成功。
最开始开发这个功能的时候,我只是告诉AI,让它边写算法实现麦克风检测吹起声,但经过多次调试,在不同的社会、不同环境当中,对目标声音的检测表现了非常大的差异。
我解决这个问题的方法是提供几段我实际吹气的录音,让AI去分析这些音频的模式,以此来写算法。最终证明这个方法是十分有效的。
然而在这个过程中也发生了一些插曲。最开始这个功能实现后,我在自己的笔记本上测试,发现吹气后没有任何响应,而说话声倒是能检测出来。我进一步用录音机程序来测试,发现麦克风根本录不出吹风声,只有说话声能录上。最后,原来是麦克风的音频增强默认会降噪,直接把吹气声当作噪音消除了,所以用户在带有这个功能的操作系统上实际使用应用时,也得手动关闭这个选项。
要能准确识别吹气声:要么就一有风吹草动就吹灭,要么就总是吹不灭,虽然增加了灵敏度调节功能,但是还是会被其他的噪音干扰。我提供了一段使用我的手机采样的吹气的真实录音 public\blow-effect.mp3。我需要确保吹灭蜡烛的麦克风检测功能能够很好地识别这样的模式,而过滤掉其他的模式。之前对麦克风吹气检测功能的实现方式会不太精确,有其他噪音的时候,其他声音的时候也会导致吹灭。但是实际用笔记本电脑使用。又做了麦克风采样功能。远距离吹气时采样都才不进去,能不能再灵敏一点。有风吹草动的时候(检测出声音,但没有被识别成吹气声),场景中也要能以某种方式可视化呈现出声音