synchronizacja dźwięku przez sieć

Trudny problem, ale możliwy.

Użyj NTP lub tictoc Aby uzyskać zsynchronizowany zegar ze znaną szybkością pod względem źródła czasu systemu.

Zachowaj również Estymator działający co do szybkości zegara dźwiękowego; zwykle robi to nagrywanie za pomocą tego samego urządzenia dźwiękowego, które jest odtwarzane, nagrywanie przez bufor wstępnie załadowany magiczną liczbą i zobacz, gdzie karta dźwiękowa dociera do mierzonego czasu przez zsynchronizowany zegar (lub odwrotnie, zobacz, jak długo karta dźwiękowa jest odtwarzana). wymaga wykonania znanej liczby próbek na zegarze zsynchronizowanym). Musisz to robić, zegar będzie dryfował w stosunku do czasu sieciowego.

Więc teraz wiesz dokładnie, ile próbek na sekundę przez zegar karty dźwiękowej trzeba wypuścić, aby dopasować częstotliwość zegara zsynchronizowanego. Więc następnie interpolujesz próbki otrzymane z sieci w tym tempie, plus lub minus korekta, jeśli chcesz nadrobić lub wycofać się trochę z miejsca, w którym dotarłeś do ostatniego bufora. Będziesz trzeba być bardzo ostrożnym z wykonywaniem tej interpolacji w taki sposób, aby nie wprowadzała artefaktów audio; jest tu przykładowy kod dla algorytmów, których będziesz potrzebował, ale zanim się do tego przyzwyczaisz, trzeba będzie trochę poczytać.

Jeśli źródłem jest nagranie na żywo, oczywiście, będziesz musiał zmierzyć częstotliwość próbkowania tej karty dźwiękowej i interpolować do próbek czasu sieciowego przed wysłaniem go.

Zobacz artykuł Internet Protocol Sound System autorstwa Toma Blanka z Microsoft Research. Rozwiązuje dokładnie problem, nad którym pracujesz. Jego rozwiązanie polega na synchronizacji zegarów między maszynami i użyciu znaczników czasu, aby pozwolić im grać w tym samym czasie. Minusem tego podejścia jest opóźnienie. Aby uzyskać wszystkie zegary zsynchronizowane wymaga stemplowania czasu z największym opóźnieniem w sieci.

W zależności od wielkości i kształtu miejsca, uzyskanie synchronizacji wszystkiego do be jest łatwą częścią, uzyskanie wszystkiego do dźwięku poprawnego jest formą sztuki samą w sobie, jeśli to w ogóle możliwe. Od strony technicznej najtrudniejszą częścią jest znalezienie opóźnienia od zsynchronizowanej osi czasu do rzeczywistego wyjścia dźwięku. Posiadanie identycznego sprzętu i oprogramowania o niskim opóźnieniu (ASIO, JACK) z pewnością pomaga tutaj, podobnie jak kalibracja. Albo z wyprzedzeniem, albo aktywne. Inaczej to po prostu synchronizacja osi czasu z NTP i za pomocą sprzężenia zwrotnego w pętli zamkniętej do wysokości dźwięku, aby zsynchronizować wyjście do uzgodnionej osi czasu.

Większy problem polega na tym, że propagacja dźwięku zajmuje znaczną ilość czasu. 10m różnicy odległości to już 30ms opóźnienia-wystarczy, aby zepsuć lokalizację dźwięku. Podwój to I dostaniesz się na irytujące terytorium echo. Profesjonalne konfiguracje audio faktycznie celowo wprowadzają opóźnienia, wykorzystują większą liczbę głośników wysokotonowych i graj z pogłosami, aby uniknąć kakofonii ECHA, która zużywa słuchacza.

" ... tak długo, jak jest postrzegane jako zsynchronizowane przez ludzkiego słuchacza " - bardzo trudne do zrobienia, ponieważ ucho jest mniej wybaczające niż oko. Zwłaszcza jeśli chcesz to zrobić przez sieć bezprzewodową.

Najpierw eksperymentowałbym z technologiami internetowymi, odtwarzaczami Flash audio zdalnie sterowanymi przez serwer poprzez Javascript.

Jeśli to dało złe wyniki, To starałbym się uzyskać większą kontrolę, używając czegoś takiego jak python (z pygame).

Gdyby poczyniono postępy, zrobiłbym spróbuj również użyć ChucK i wypróbuj programowanie niskopoziomowe za pomocą biblioteki audio ALSA.

Jeśli nie wyjdzie nic satysfakcjonującego, wpadłbym ponownie do tego postu i rzeczywiście przeczytał coś sensownego przez eksperta Guru programowania audio i, jeśli moje źródło utrzymania zależało od tego, prawdopodobnie skończyłoby się rozwidleniem 14 funtów angielskich na komercyjną aplikację NetChorus lub coś podobnego.