Audio Files vergleichen und Qualität bewerten

[jensw_2000]

OK überzeugt.

Ich bewege mich hier in einem Fachbereich, in dem ich völlig ahnungslos im Dunklen tappe. Das ist keine Basis für ein Kundenprojekt. Mit der Bass.dll werde ich rein interessehalber etwas herumspielen.
Für meinen Kunden finde ich entweder eine stabile und professionelle Lösung von jemandem der voll im Thema steckt, oder ich lehne diesen Teilauftrag ab. Besser als eine angekratzte Reputation.

Ich bin mal gespannt was der "Mann aus der Entwickler-Ecke" so antwortet.
Vergleiche von Audiosignalen scheint sein Lieblingsthema zu sein.
Er hat dort ein Projekt vorgestellt, mit dem er an Hand von "Audio Schnipseln" Musikdateien in Medienbibliotheken findet (ohne Tagging). Dabei passt er für die Vergleiche dynamisch Bitraten usw. an und MP3 Files mit unterschiedlichen Formaten scheinen für ihn auch keine Hürde bei der Suche zu sein.

[nahpets]

Oje, das klingt ja viel komplizierter, als ich mir das vorgestellt habe.

Nichts desto trotz...

Das Referenzfile könnte ja über eine bekannte, intakte Verbindung aufgenommen werden, dann enthält es alles, was "unterwegs" verschlimmbessert und/oder rausgefiltert wurde.

Mit der BASS.dll müsste man auch positionieren können. Die Frage ist nur, wonach soll man dann suchen? Es wird ja eine konkretes Signal "irgendwo" in der Datei gesucht.

Wie funktioniert denn der Testanruf konkret?

Es wird wer angerufen, der geht früher oder später ran und dann kommt irgendwann das zu prüfende Signal.

Das erste Problem wäre also den richtigen "Startzeitpunkt" für die Vergleichsanalyse zu finden.

Könnte man hier hergehen, dass das Testsignal z. B. mit 1 Sekunde 440 Hz anfängt und die Prüfsoftware überließt alles bis zum Ende dieses Tones?
Wobei, wenn das Band zu schnell oder zu langsam läuft, kommen da ja auch keine 440 Hz mehr, bei doppelter Bandgeschwindigkeit 880 Hz, bei Halber nur noch 220 Hz und ansonsten irgendwas so um die 440 Hz herum. Das Problem zieht sich dann natürlich durch die ganze "Aufnahme". Gibt es denn keine Anrufbeantworter für diesen Test, die das "Zeug" digital speichern. Band ist doch langsam Schnee von gestern Mein Anrufbeantworter hat jedenfalls kein Band mehr

Deinen Schluss, da einen Profi ranzulassen oder die Finger davon, finde ich absolut in Ordnung. Bei dieser Aufgabenstellung käme ich auch nicht über das Spielniveau hinaus. Für einen professionell auszuführenden Auftrag reicht es da sicherlich bei mir nicht aus.

Eine Beschäftigung mit der BASS.dll lohnt aber trotzdem, man kann damit nette Spielereien machen, sein eigenes Internetradio, 'nen MP3...-Player...

[jensw_2000]

Mit dem "Band" und dem "Anrufbeantworter" auf der Gegenstelle wollte ich -stark übertrieben- ausdrücken, dass ich keinen Einfluss auf den Abspiel-Beginn usw. habe. Die haben da natürlich schon ein "bisschen" Technik rumstehen.. Ich kenne aber noch Anrufbeantworter mit Kassetten und Telefone mit Wählscheiben. Damit kann die Jugend von heute nicht mehr umgehen.

Aber grundsätzlich funktioniert es so, dass mein Dialer über seine ISDN Karte rauswählt und amtsseitig über VoIP zu einem -ich sag mal Anrufbeantworter- in der Vermittlungsstelle geroutet wird.
Der AB nimmt das Gespräch an, mein Dialer erkennt das Connect im ISDN D-Kanal und startet die Aufnahme des Mitschnittes. Nach dem Disconnect werden Referenzfile und Mitschnitt miteinander verglichen.

Hört sich leicht an. Zum Glück habe ich denen gesagt, dass ich mir zu dem Thema erstmal etwas Input holen will, bevor ich was amtliches sage ..

[Medium]

Musiksuche in kurz: Die Titeldatenbank wird ganz grob sowas beinhalten, was NamenLozer vorhin geposted hat. Jedoch so weit nachbearbeitet, dass nur wesentliche Frequenzen als Marker dienen. Das gleiche wird mit den Schnipseln gemacht, und diese dann mit der Datenbank mittels einer Autokorrelationsfunktion abgeglichen. Der beste Treffer wird ausgegeben.

Der wichtige Unterschied hierbei ist, dass eine Melodie in einem Frequenzspektrum sehr deutlich hervor sticht, egal mit welchem Instrument sie gespielt ist, und egal in welcher Qualität. Die Marker sind da recht deutlich (je nach Genre), und die Autokorrelation erledigt das Finden einer passenden Untermenge in einem Titel. Du könntest mit dieser Methode also gut herausfinden, ob zwei Sprecher in der selben Melodie sprechen, oder gar die selbe Person sind (Stichwort: Formanten), aber wenn es um eine qualitative Bewertung geht, wirft die Methode praktisch nichts ab. (Ausser, dass man erkennen könnte, dass die Gegenstelle stets zu schnell/langsam abspielt, was aber durchaus in hervorragend gut verständlicher Weise sein könnte.)
Die Zielsetzungen sind hier völlig unterschiedlich. Was nicht heissen soll, dass derjenige nicht dennoch ein paar gute Ideen parat haben kann!

[Furtbichler]

Wenn Du Zeit hast, könntest Du dich mit der Bass.dll beschäftigen, die kann FFT. Vielleicht kommst Du damit weiter.

Bezüglich der Übertragungsqualität (die 'Bandbreite') sollte FFT ziemlich schnell zu brauchbaren Resultaten führen:
Du bekommst ja pro Zeiteinheit die Verteilung der Frequenzen. Wenn Du nun für Referenz- und Zielsignal eine Durschnittskurve berechnest und dann übereinander legst, verdeckt die Kurve des Zielsignals die des Referenzsignals nur zum Teil, weil ja hohe Frequenzen i.a. verloren gehen. Du kannst z.B. versuchen, die überdeckte Fläche zur Gesamtfläche der Referenzkurve ins Verhältnis zu setzen und dann hättest Du eine Prozentangabe über die Frequenzgüte.

Ich denke, wenn Du dir mal die beiden Kurven aufmalst, wirst Du noch andere Vergleichsmöglichkeiten erkennen.

Bezüglich verlorener Pakete könntest Du auf der Transportebene einfach die Pakete zählen, wenn das geht.

Das wäre mein -sehr hemdsärmeliger- Ansatz.

Ein Proof-Of-Concept sollte in relativ kurzer Zeit (1-2 Wochen) zu machen sein.

[jsp]

Hallo zusammen,

vermutlich ein idiotischer Ansatz.
Die Referenz mit Speech recognition analysieren lassen.
z.B. http://www.chant.net/Products/SpeechKit/
Am besten mit 100% Erkennungsrate.
Danach mit der Erkennungsrate der Testanrufe vergleichen.

Vielleicht bin auch noch nicht wach genug....

Gruss, Jörn

[Medium]

Furti, ein Test auf Bandbreite ist für eine digitale Übertragung nicht mehr ein so geeignetes Instrument wie bei analog. Die Kompression haut allerhand Bänder raus, aber schlechter wird die Verständlichkeit dadurch idR nicht. Danach werden die auszulassenden Frequenzen ja gerade ausgesucht. Für analoge Telefonie / Leitungsmessung mag das ja alles zutreffen, aber für eine Kennzahl die mit einem subjektiven Qualitätsempfinden (bzw. Grad der Verständlichkeit von Sprache) korreliert wird das so simpel einfach nichts.

jsp's Idee finde ich witzig, das müsste man mal prüfen, wie realistisch das am Ende ist

[jensw_2000]

@ jsp

Deine Idee finde ich richtig genial.
SAPI verstehe ich auch
Das wird mein Projekt fürs Wochenende

Am besten baue ich mir ein Voice File mit zusammenhanglosen Wörtern und das ohne Übertragungsfehler (direkt aus dem File) mit knapp unter 100% erkannt werden kann.

Dann lasse ich das File von einem befreundeten ITK Systemhaus über VoIP strecken mit unterschiedlichen Bandbreiten und Codecs schicken und wieder aufzeichnen.
Mal schauen ob sich dann zuverlässige Trends erkennen lassen.

Hast du Erfahrungen mit dem SpeechKit?
Ich würde es sonst mit der Windows eigenen SAPI ausbauen.

[jsp]

Nein, mit SpeechKit habe ich keine Erfahrung.
Vor Jahren hatte ich mal mit SAPI rumgespielt. Das müsste eigentlich reichen.

Bin schon gespannt ob da was brauchbares rauskommt.

Ich hoffe du berichtest...

Gruss, Jörn

[Perlsau]

Im Grunde geht es doch nur darum, erstens Störgeräusche zu erkennen, zweitens die Zunahme von Rauschen und drittens die Abnahme der Signalstärke. Das Erkennen von Störgeräusche stelle ich mir am leichtesten vor: das sind einfach Ausreißer in der Welle. Rauschen könnte man durch das Senden von Stille erkennen, und die Signalstärke läßt sich ebenfalls vergleichen. Mit Hörqualität hat das am Ende erst einmal nichts zu tun, denn es geht darum, Übertragungsfehler festzustellen: Vergleich von Quell- und Zieldatei auf Unterschiede in diesen drei Bereichen.