我的Bilibili频道：香芋派Taro我的个人博客：taropie0224.github.io我的公众号：香芋派的烘焙坊我的音频技术交流群：1136403177我的个人微信：JazzyTaroPie 本文将以一个立体声扩展效果器为例，完整的跑通从Wwise效果器插件开发到Unity实现样例的过程。 安装SDK在Wwise Lancher中安装Wwise时，会有是否同时安装SDK的可选项： 构建工程在你Wwise的安装目录，比如我这里是这个位置： 1E:\Program Files (x86)\Audiokinetic\Wwise 2022.1.1.8100\Scripts\Build\Plugins 可以找到Wwise Plugins的构建工具 打开控制台cd到你准备放置插件的位置，并输入以下命令（其中引号中的路径为上方提到的位置）: 1python "%WWISEROOT%/Scripts/Build/Plugins/wp.py" new 此时会让你选择工程的类型，可以参考以下选择，这里我们以构建一个立体声扩展插件为例： 使用Premake命令生成目 ...

我的Bilibili频道：香芋派Taro我的个人博客：taropie0224.github.io我的公众号：香芋派的烘焙坊我的音频技术交流群：1136403177我的个人微信：JazzyTaroPie Hard Clipping就是基于一个阈值摁切，比如大于0.5就算是1，小于-0.5就算是-1 Soft ClippingCubic Distortion12// a: 0~1out[sample] = in[sample] - a * (1/3) * in[sample]^3 例： 输入为sin，a = 1： Arctan Distortion1out[sample] = (2/pi) * arctan(in[sample] * alpha) 例： 输入为sin，alpha = 0.5： Alpha = 2: Alpha = 5: Alpha = 10: Bit Reduction通过降比特率的方式来实现失真 12345// 定义目标比特率nBits = 8ampValues = 2 ^ (nBits - 1)out[sample] = ceil(ampValue * ...

我的Bilibili频道：香芋派Taro我的个人博客：taropie0224.github.io我的公众号：香芋派的烘焙坊我的音频技术交流群：1136403177我的个人微信：JazzyTaroPie Linear Panning作为最简单的Panning，Linear只负责随着旋钮的转动增强或减弱左声道或右声道的增益。当旋钮向左旋转时，左声道增益的同时又声道衰减，旋钮向右旋转时同理。 我们定义一个旋钮的值为p (-100~100)，可以得到 12x = p / 200 + 0.5leftAmp = 1 - x Square-Law Panning与Linear Panning相比，通过使用Square-Law Panning可以实现各通道之间相等的组合功率，而Linear Panning则实现了相等的组合振幅。在很多情况下，听众是根据功率而不是振幅来感知信号的强度的。换句话说，在使用Square-Law Panning时，无论旋钮的位置如何，听众都能感知到相同的信号强度。 我们定义一个旋钮的值为p (-100~100)，可以得到 123x = p / 200 + 0.5righ ...

我的Bilibili频道：香芋派Taro我的个人博客：taropie0224.github.io我的公众号：香芋派的烘焙坊我的音频技术交流群：1136403177我的个人微信：JazzyTaroPie 简介Amplitude Modulation（调幅）是音频处理中的非常常用的一种方法，它通过将输入信号乘上一个调制信号来获得新的信号。我们通常会使用一个LFO（低频振荡器）作为调制信号，LFO的种类包括正弦波、方波、三角波等等，且它的频率通常不超过20Hz。 Tremolo也是一种非常常见的效果器，它通过上面介绍的Amplitude Modulation来自动化控制输入信号的幅度，实现一种响度忽大忽小的效果。 Github: https://github.com/TaroPie0224/TaroTremolo 原理我们需要让用户输入两个变量，分别是： rate，用于控制LFO的频率，通常为0～20 depth，调制的深度，通常为0～100 首先我们需要把depth转化成LFO的幅度，至于为什么是200，之后会提到 1a = depth / 200 得到偏置offset 1o ...

我的Bilibili频道：香芋派Taro我的个人博客：taropie0224.github.io我的公众号：香芋派的烘焙坊我的音频技术交流群：1136403177我的个人微信：JazzyTaroPie Stereo Image WideningGithub：https://github.com/TaroPie0224/TaroStereoWidth 立体声扩展基于mid-side processing，如果为了让信号听起来更宽，side通道会相对于mid通道增强，如果为了让信号听起来更窄，mid通道会相对于side通道增强。 1234567891011121314// 首先我们需要获得左右两个声道，分别为left和right// Encoding，通过左右声道得到sides和midsides = (1/2) * (left - right);mid = (1/2) * (left + right);// Processing，width的范围是0～2width = 1;sides = width * sides;mid = (2 - width) * mid;// Decoding ...

我的Bilibili频道：香芋派Taro我的个人博客：taropie0224.github.io（阅读体验更佳）我的公众号：香芋派的烘焙坊我的音频技术交流群：1136403177我的个人微信：JazzyTaroPie https://leetcode.cn/problems/next-permutation/ 题解12345678910111213141516171819202122class Solution {public: void nextPermutation(vector<int>& nums) { int i = nums.size() - 2; //初始化i为倒数第二个元素的index //从后往前扫描，如果相邻的两个元素，前一个大于后一个，则i--，直到找到那个升序的（从左往右） while (i >= 0 && nums[i] >= nums[i + 1]) { i--; } ...

我的Bilibili频道：香芋派Taro我的个人博客：taropie0224.github.io（阅读体验更佳）我的公众号：香芋派的烘焙坊我的音频技术交流群：1136403177我的个人微信：JazzyTaroPie Nyquist Shannon Sampling Theorem（奈奎斯特香农采样定理)对于一个有限带宽且在时域上连续的信号，当采样频率大于信号中最高频率的2倍时，采样之后的数字信号完整地保留了原始信号中的信息。 假设我们有一个频率为1Hz的正弦波(sin(2pi*t))，根据采样定理我们能够得知我们必须要2个以上的采样点，这里我们就使用3个采样点，即采样率为3Hz。 此时你肯定会想3个采样点显然不足以正确表示这个波，因为如果我们把它重新转换为模拟信号时，以下的几种情况似乎都是符合要求的： 那要不再增加一些采样点，比如增加到40？情况似乎乐观了起来： 那么增加采样点真的能在重新转换为模拟信号时使信号更准确吗？答案是否定的。 很多人都有这样的误解：更高的音频采样率意味着更好的音质 采样定理证明了无论是3Hz还是40Hz的采样率，对于一个1Hz的正弦波来说，在把 ...

我的Bilibili频道：香芋派Taro我的个人博客：taropie0224.github.io（阅读体验更佳）我的公众号：香芋派的烘焙坊我的音频技术交流群：1136403177我的个人微信：JazzyTaroPie 前置要求面试官：请在不使用额外空间的情况下原地对链表进行操作 我：寄！ 核心思想 首先我们知道，链表它难操作就难操作在不能即刻任意访问其中一个节点，那么我们就可以思考如何操作才能优化掉这个缺点。 比如我们可以新建一个vector数组，通过把原链表遍历存入vector的方式，将链表转化为vector以实现任意访问其中的某个节点。 按题目要求对vector进行操作（增、删、排序、交换等等等等） 遍历修改后的vector重新对链表的每个节点赋值（可以原地，也可以新建链表） 你必须要会的基本操作遍历链表中的每个节点并存入vector123456vector<int> vec;ListNode* node = head;while (node != nullptr) { vec.push_back(node->val); node = ...

我的Bilibili频道：香芋派Taro我的个人博客：taropie0224.github.io（阅读体验更佳）我的公众号：香芋派的烘焙坊我的音频技术交流群：1136403177我的个人微信：JazzyTaroPie https://leetcode.cn/problems/reverse-nodes-in-k-group/ 题解and思路12345678910111213141516171819202122232425262728293031323334353637383940414243444546class Solution {public: ListNode* reverseKGroup(ListNode* head, int k) { //如果链表为空，返回head if (head == nullptr) return head; //新建vector，遍历存入链表中的所有元素 vector<int> vec; ListNode* node = head; ...

我的Bilibili频道：香芋派Taro我的个人博客：taropie0224.github.io（阅读体验更佳）我的公众号：香芋派的烘焙坊我的音频技术交流群：1136403177我的个人微信：JazzyTaroPie https://leetcode.cn/problems/merge-k-sorted-lists/ 题解and思路1234567891011121314151617181920212223242526272829class Solution {public: ListNode* mergeKLists(vector<ListNode*>& lists) { //如果lists为空 if (lists.empty() == true) return 0; //新建vector，遍历存入lists中每个链表中的所有元素 vector<int> vec; for (int i = 0; i < lists.size(); i++) { ...