Управление звуком пк. Самый удобный способ управления громкостью в windows. Программа Volumouse. Мгновенный вызов Диспетчера задач

Привет всем. Нужно ли вам напоминать о каких-либо событиях? Я думаю напоминания не помешают никому. В силу своей занятости или забывчивости каждый человек не способен удержать в голове всё, что нужно сделать. И тут нам на помощь приходит постоянный спутник, незаменимый друг, который находится рядом всегда и везде — смартфон. Доверьте ему эту обязанность и он не подведет. а о том как поставить напоминание на Андроид рассмотрим ниже.

В Андроиде эту функцию можно использовать различными способами, и каждый выберет для себя наиболее удобную.

• будильник
• календарь
• сторонние приложения

Как поставить напоминание на Андроиде

Будильник

Напоминание в будильнике поставить несложно, так как для этого имеются все и после сигнала, глянув, на экран будет видно, что нужно сделать. На будильнике лучше выставлять не долгосрочные напоминания, а те, которые нужны в течение недели.

Настройка напоминания:

1. Выставить время
2. Указать день недели или несколько дней
3. Настроить или оставить по умолчанию
4. И самое главное задать описание, чтобы не забыть зачем звенит будильник.

Здесь всё просто и быстро, в течение минуты напоминание готово.

Календарь

В календаре лучше всего устанавливать долгосрочные напоминания: дни рождения, различные мероприятия и другие события, которые могут произойти в течение года или даже позже.

Если вы не пользовались календарем, советую первый раз сделать пробное напоминание и посмотреть, как это все работает.

Настройка напоминания в календаре.

1. Описание мероприятия
2. Выставить промежуток времени: число и время
3. Указать повторяемость мероприятия
4. Установить количество минут оповещения
5. Статус и конфиденциальность пожеланию, а точнее, по обстановке.

Сторонние приложения

На этом этапе переходим к приложениям, заточенных только для напоминаний. И первым из них будет приложение, которое лично мне очень нравиться — “Помнить всё”.

Это довольно легкое и простое приложение, практически не расходующее ресурсов батареи. Его огромная фишка в том, что все команды задаются только голосом:

• наименование напоминания.

Ему достаточно сказать к примеру, “Выключить суп через пять минут” и все. Приложение распознает речь, вычислит временной промежуток, создаст напоминание и предупредит вас звуковым сигналом в назначенный срок.

На нем можно устанавливать как долгосрочные напоминания так и быстрые.

Установить “Помнить всё” .

Гугл также способен создать напоминание с использованием голоса. Достаточно в поисковике активировать запись голоса и сказать, что напомнить и когда.

Приятный женский голос сообщит “Напоминание создано, вы готовы сохранить его?”. Вам останется ответить “Да” и ваша задача будет сохранена с ответом “Без проблем”.

Через заданный промежуток времени придет уведомление-напоминание о предстоящем событии.

Напоминания от Гугл работают при полном доступе к интернет, так как все происходит на стороне сервера.
Эта штуковина должна быть в каждом смартфоне.

Если вас не устраивает ни один из способов установки напоминания на Андроид, вы можете обратиться к магазину Плэй Маркет и выбрать для себя подходящее приложение.

Категория гаджетов регуляторы громкости для Windows 7 и 8 включает в себя гаджеты на рабочий стол, выполняющие функцию регулирования звука на компьютере. Установив один из таких гаджетов, вы сможете настраивать звук, а также задавать и сохранять параметры звучания для определенных стилей музыки.

Звук и громкость – понятия субъективные. То, что для вас кажется оптимальным уровнем, вашим коллегам или домочадцам может показаться слишком громким. И наоборот, то, что вы хорошо слышите, находясь непосредственно за компьютером, не всегда доступно людям, которые находятся на определенном расстоянии.

Таким образом, включение, отключение и регулировка звука являются одной из важных сопутствующих функций при работе с компьютером. Однако делать это с помощью клавиатуры или через панель управления не всегда удобно, особенно, если манипуляции с громкостью необходимо осуществлять почти мгновенно. Именно поэтому для повышения комфорта управления звуком целесообразно скачать микшер громкости для Windows 7 и установить его непосредственно на рабочем столе. Управляются такие мини-приложения с помощью клавиш и колесика мыши либо кнопками, размещенными на интерфейсе самого гаджета, что позволяет производить манипуляции со звуком быстро и просто.

Каковы возможности подобных мини-приложений для операционной системы Виндовс 7? Мы постарались собрать в коллекции наиболее разноплановые и мультифункциональные виджеты, чтобы вы смогли без затруднений выбрать подходящий для ваших целей. Самые простые программы позволяют увеличить или уменьшить громкость воспроизведения, включить или отключить звук. Например, если вы устанавливаете на электронном устройстве сигнал для пробуждения или напоминания, будет идеально сочетаться с гаджетом для изменения громкости и отключения звука. Так ваш будильник не поднимет с постели вместе с вами тех домочадцев, которым сегодня нет необходимости вскакивать ни свет, ни заря.

В арсенал более сложных многофункциональных гаджетов добавлены и другие опции. В частности, это регулировка по каналам с помощью достаточно чувствительного двухканального эквалайзера, одинаково продуктивно работающего и с колонками, и с наушниками, анализ звуковых спектров и мониторинг активности динамиков, настройка тональностей в зависимости от музыкального стиля, параметры которой, к тому же, можно сохранять, избежав необходимости повторного настраивания при следующем включении устройства. Также во многих мини-приложениях предусмотрены дополнительные фоновые подложки и красивые элегантные скины, позволяющие подобрать цветовую схему и стиль приложения под специфику профиля вашего рабочего стола.

Кроме того, можно выбрать мультифункциональную утилиту, в которой совмещены регулятор громкости для Windows 7 и яркости экрана, часы, корзина, индикатор уровня заряда батареи, монитор загрузки процессора, заметки, слайды, таймер, менеджер управления операционной системой, быстрый запуск программ и прочие полезные опции. Занимая минимум места и на экране, и на диске, такие программы позволят существенно оптимизировать рабочий процесс и повысить комфорт пребывания пользователя за компьютером, при этом не требуют использования никаких дополнительных настроек.

Где скачать микшер громкости для Windows 7? Не тратьте время на поиски!

Прогулявшись по страницам нашего сайта, вы найдете в обширном и разноплановом структурированном для удобства посетителей каталоге любые гаджеты под операционную систему Виндовс 7, в том числе, и мини-приложения, позволяющие быстро и эффективно управлять качеством и громкостью звука. Единственное, что вам нужно сделать, - выбрать подходящую утилиту, скачать регулятор громкости для Windows 7 и установить его на рабочий стол в любом удобном месте.

Все программы, которые вы видите на нашем ресурсе, бесплатны для скачивания и использования. Мы не предлагаем вам регистрироваться, получать код по СМС, сообщать нам адрес вашего почтового ящика, номер телефона и другие личные данные, поскольку заботимся и об удобстве, и о безопасности, и об экономии времени наших гостей. Вы можете прямо сейчас в любом количестве без дополнительных действий.

Слушать любимую музыку и наслаждаться увлекательными фильмами, прослушивать аудиокниги и смотреть видеоролики, получать полезные знания с помощью видео- или аудиоуроков и совершать другие необходимые действия, связанные со звуком, не мешая при этом тем, кто вас окружает, теперь еще проще: достаточно скачать регулятор громкости для Windows 7 на любое компьютерное устройство, которым вы пользуетесь, и всего за несколько минут оптимизировать процесс управления звуком по собственному усмотрению. Заходите на наш сайт регулярно, пополняйте свой рабочий стол актуальными новинками и превращайте процесс использования всех доступных инструментов Виндвос в необременительное удовольствие!

Полное описание параметров, а также инструкция по настройке встроенных звуковых карт Realtek. Настройка воспроизведения, записи, 3D звука. Windows Vista/7/8

2012-02-17T18:19

2012-02-17T18:19

Audiophile"s Software

Copyright 2017, Taras Kovrijenko

Полное или частичное копирование текста допускается только с письменного разрешения автора .

Пролог

На этот раз я затрону тему, актуальную, так сказать, для энтузиастов начинающих - т. е., для тех, кто ещё не разжился на дискретную звуковую карту и хочет выжать максимум из интегрированной.

1. Ликбез

Для начала - краткий ликбез. Кто не знает, или не до конца понимает, что такое аппаратный аудиокодек , внимательно ознакомьтесь с соответствующими страницами Википедии:

Прочитали? Отлично! А теперь было бы ещё очень неплохо, если бы вы ознакомились с двумя моими статьями:

Ну вот, теперь можем и начать.

2. Что мы имеем

Итак, в моём распоряжении ОС Windows 7 SP1 Ultimate x64 (описанная в статье настройка подходит для всех ОС, начиная с Vista), встроенный в материнскую плату (ASUS P7H55-V) кодек ALC887 (имеется даташит), подключенные в задние разъемы внешний усилитель и микрофон (зелёное и розовое гнезда соответственно). Обратите внимание, что настраивать мы будем карту для вывода стерео звука по аналоговому интерфейсу.

3. Установка ПО

Прежде всего надо установить драйвера. Конечно, скорее всего ОС Windows уже сама нашла и установила драйвера для звукового устройства, однако для получения доступа ко всему функционалу, а также для душевного спокойствия, установим пакет драйверов непосредственно от Realtek, последнюю версию которого вы можете скачать на соответствующей странице моего сайта. К слову, указанные здесь настройки проверялись на версии драйверов R2.67.

Скачиваем драйвера, производим несложную процедуру установки (запустив HD_Audio/Setup.exe ), перезагружаем компьютер.

После загрузки ОС в системном трее должен появиться коричневый значок динамика:

4. Настройка драйверов

Прежде всего заходим в Панель Управления Windows->Оборудование и звук->Звук и, убедившись, что наши наушники или динамики подключены в зеленое гнездо звуковой карты, отключаем все ненужные устройства, а наше подключённое устройство делаем устройством по умолчанию:

Заодно проделаем тоже самое с устройствами записи:

Теперь дважды кликаем по значку в трее. Если значка нет, ищем его в скрытых значках, если и там нет - заходим в Панель управления->Оборудование и звук->. Так или иначе, должно открыться окно диспетчера:

Здесь сразу задаем конфигурацию динамиков (стерео), задаем наше аналоговое устройство устройством по умолчанию (после чего соответствующая кнопка потухнет), отключаем, если, не дай Бог, включено, объёмное звучание.

По кнопке в виде жёлтой папки можно настроить отключение определения разъемов передней панели:

Также обратите внимание, что подключённые разъемы отображаются ярким цветом - в нашем случае к зелёному выходу подключены динамики, к розовому входу - микрофон. Здесь - одна весьма важная деталь: дважды нажав по значку разъема, вы увидите окно с выбором типа подключенного устройства. Важно это потому, что если выбрать «наушники» , то кодек будет использовать специальный дополнительный усилитель (иначе звук в наушниках будет слишком тихим), для подключенных же активных колонок или внешних усилителей следует выбирать «Выход на передние динамики» . Здесь же включается автоматическое всплывание данного окна при подключении устройства в какой-либо из разъёмов карты:

С помощью кнопки «i» можно открыть окно с информацией о версии драйвера, DirectX, аудиоконтроллере и версии кодека, там же включается/выключается отображение значка в системном трее:

Теперь поотключаем эффекты:

Настройки «Поправки на помещение» для стерео конфигурации недоступны, что вобщем-то странно - в той же консоли от THX (которая включена, например, в пакет драйверов Creative X-Fi) можно отрегулировать расстояние и угол направления на динамики относительно вашего расположения, что бывает очень полезно, когда вы не сидите непосредственно перед колонками, или же они расположены относительно вас несимметрично. Ну да ладно, пусть это будет на совести разработчиков.

Последняя вкладка дублирует настройки панели управления (впрочем, большинство настроек из Диспетчера есть и в панели управления):

Здесь можно задать параметры системного микшера - с какой частотой дискретизации и глубиной бит Windows будет микшировать все воспроизводимые звуки. Установим 24 бит, 96 кГц. Почему - расскажу далее.

Так как меня постоянно штурмуют вопросами, как настроить микрофон (что, по моему мнению, должно вызывать минимум непоняток), я всё же остановлюсь на настройке устройств записи. Их настройки, кстати, как и устройств воспроизведения, находятся на отдельных вкладках вверху окна. Начнём со стерео микшера:

Здесь всё элементарно. Данное устройство записывает всё, что вы слышите через динамики, т. е., тот готовый звуковой поток, который Windows передает на звуковую карту. Приводится он к указанному виду (раз микшер работает с частотой дискретизации 96 кГц, то и тут поставим столько же).

Но нашим основным устройством записи является, конечно же, микрофон:

Итак, ставим громкость записи на максимум, а усиление микрофона выключаем (потом, если понадобится, можно включить). Также, очень часто люди жалуются, что у них воспроизводится звук воспринимаемый микрофоном, чтобы этого не было - отключаем воспроизведение. На свой вкус - фильтрация шума , подавление эхо . На вкладке , опять же, задается формат записи:

Учитывая характеристики звукозаписывающего тракта, здесь хватит и стандартного 16 бит/44.1 кГц.

5. Настройка foobar2000

В принципе, проделанной работы хватит, чтобы обеспечить наиболее высокое (для данной карты) качество звучания в любом плеере. Но для настоящих параноиков я приведу настройки foobar2000. Нам понадобится, собственно, сам плеер и несколько плагинов к нему - WASAPI output support и SoX Resampler . Ну или вы можете скачать мою сборку , в которой всё уже имеется.

Итак, в настройках вывода плеера (File->Preferences->Playback->Output) выбираем WASAPI: <наше устройство> , разрядность ставим 24 бит :

При выводе через WASAPI Exclusive обходятся все эффекты звуковой карты (если они включены), а также микшер Windows (для которого мы указывали частоту семплирования).

Теперь перейдём к настройкам DSP:

Тут добавляем в цепочку ресемплер SOund eXchange и Advanced Limiter. В настройках ресемплера ставим частоту 96 кГц.

А вот теперь - почему 96 кГц. Я провел серию экспериментов, и вот что мне удалось выяснить. В режиме «выход на передние динамики», если регулятор громкости установлен более чем на 90%, при воспроизведении тестового сигнала udial (частота дискретизации - 44.1 кГц) слышны сильные искажения. Искажения пропадают, если или понизить громкость, или переключиться на режим наушников, или выполнить передискретизацию аудио до 96 кГц.

О причинах данного явления по имеющимся данным судить трудно, но можно сделать выводы и дважды перестраховаться: всё аудио выводить с частотой дискретизации 96 кГц, а громкость не повышать более чем до 90% .

И пара слов о необходимости настройки foobar2000. В принципе, можно выводить звук на устройство «DS: Первичный звуковой драйвер». В этом случае передискретизация будет выполняться средствами Windows (ресемплер там не самый плохой), к тому же ещё и не будут отключаться все остальные звуки (как при воспроизведении через WASAPI Exclusive). Кроме того, выбрав данное устройство, Windows будет выводить звук на то устройство, которое установлено по умолчанию в панели управления, что бывает удобно (например, при отключении одного из устройств звук автоматически переключается на другое). Так что выбор за вами - удобство, или же уверенность в качестве.

6. Воскрешение трехмерного звука и аппаратного микширования

И конечно же я не забыл про геймеров. Так как в Windows, начиная с Vista, отсутствует доступ к аппаратному микшированию потоков (все операции выполняет Windows, а потом один единственный поток выводится на звуковую карту), то разработчики придумали специальную программу, аналог Creative ALchemy, но для Realtek - 3D SoundBack . Она подключается к аппаратным ресурсам через интерфейс OpenAL, эмулируя для указанных программ Windows эмулирует DirectSound устройство (как в Windows XP), а затем просто выполняет преобразование команд DirectSound (или DirectSound 3D) в команды OpenAL, в итоге - получаем настоящий EAX 2.0 в играх, а также возможность преобразования многоканального аудио в стерео с эффектами окружения.

Для запуска программы откройте папку .../Program Files/Realtek/3D Sound Back Beta0.1 , в свойствах файла 3DSoundBack.exe на вкладке «Совместимость» установите режим совместимости с Windows Vista SP2 :

Теперь запустите этот файл. Чтобы добавить приложение - нажмите Add Game , введите название и адрес папки, в которой содержится исполняемый файл программы. Например:

После добавления не забудьте выделить добавленное приложение и нажать кнопку Enable .

Теперь указанное приложение будет по умолчанию использовать эмулированное DirectSound устройство и получит доступ к аппаратным ресурсам звуковой карты:

Эпилог

Ну вот, очередная грандиозная статья завершена. Кстати, я тут подумал: а ведь по-хорошему, эту статью надо было написать одной из первых... Впрочем, на то время у меня ещё не хватило бы знаний, чтобы всё так вот подробно описать, так что оно может быть и к лучшему.

Если что-то непонятно, остались какие-то вопросы - спрашивайте, комментируйте. Желаю удачи!

Информация от спонсора

ЕвроТехника: сеть магазинов бытовой техники. На сайте http://euro-technika.com.ua/ Вы можете ознакомиться с ассортиментом современных 8-ядерных смартфонов (воспользовавшись удобным каталогом) и здесь же сделать заказ (с доставкой или самовывозом).

Возможно, путешествуя по безграничным просторам Всемирной паутины, Вы замечали на некоторых Flash-сайтах возможность управления звуком (например, его можно выключить в процессе проигрывания клипа или изменить его громкость, а некоторых сайтах можно даже регулировать его баланс). Если у Вас есть желание и достаточно терпения, давайте попробуем сделать такое управление звуком.
Для того, чтобы создать этот эффект нам понадобится сам звук и собственно программа Flash 5 (именно пятая версия, поскольку пример написан именно в ней).
Создайте новый клип, а в нём три слоя. Первый (здесь и далее слои будут перечисляться сверху вниз т.е. самый верхний - первый, ниже - второй и. т. д.) назовите "action", второй - "vol" и третий - "pan". У Вас должно получиться что-то вроде этого:

В слой "action" поместите такой action:

zvuk = new Sound();
zvuk.attachSound("zvuk");
zvuk.start(0, 999999);
_
Этим Вы создаёте новый звуковой объект, присоединяем его из библиотеки с именем "zvuk" и запускаем с позиции 0 и повторением 99999 раз т.е. практически бесконечно:Если Вы сейчас запустите клип, то ничего не увидите и не услышите. Чтобы Вы могли что-нибудь услышать Ваш звук, надо дать ему имя для этого откройте библиотеку и найдите там Ваш звук. Неважно как он там называется сейчас, это не имеет никакого значения, чтобы реально назвать звук, Вам следует нажать на его имя правой кнопкой мыши и из контекстного меню выбрать пункт "Linkage" в этом окне выберите пункт "Export this symbol" и задайте имя "zvuk". В общем сделайте всё как показано на рисунке.

Теперь если Вы посмотрите клип, то услышите Ваш звук.
Итак, почти половина работы уже сделана, осталось только организовать управление этим звуком. Для решения этой задачи существует множество способов. Мы сделаем по самому, на мой взгляд, распространенному методу, методу "ползунка" т.к. этот метод применяется во многих музыкальных проигрывателях (например, в WinAmp-е).
Создайте новый символ - кнопку и назовите её "polzunok_vol" эта кнопка будет регулятором громкости. Создайте ещё один символ типа Movie Clip, с названием "Polzunok_MC_vol", поместите туда из библиотеки символ "polzunok_vol" и задайте ему такой action:
____________________________
on (press) {
startDrag (this, false, 0, 7, 100, 7);
}
on (release) {
stopDrag ();
}
___

Затем создайте ещё один символ типа Movie Clip и назовите его "shkala_vol" в этом символе нарисуйте прямоугольник, по которому будет ездить наш ползунок. Для правильной работы задайте ему координаты как показано на рисунке

Теперь создайте в этом символе новый слой и поместите туда "polzunok_MC_vol", слой с ползунком должен быть выше слоя со шкалой, поставьте ползунок по центру шкалы и назначьте ему такой action:

onClipEvent (enterFrame) {

}
__________________________________
Этим мы добьёмся того, что звук будет иметь такое же значение эквивалентное значению "Х" ползунка а поскольку он ползает от 0 до 100 вдоль координаты "Х", то значение звука будет соответствующим. Теперь переходите на главную сцену и вставляйте туда символ "shkala_vol". Вот мы и имеем у себя управление громкостью звука.

Теперь организуем балансировку звука между левым и правым динамиками.
Для этого создадим символ - кнопку с названием "polzunok_pan" и нарисуем там ползунок, затем создадим символ Movie Clip с именем "polzunok_MC_pan" и поместим туда наш "polzunok_pan". Зададим ему action:
_____________________________________
on (press) {
startDrag (this, false, -100, 0, 100, 0);
}
on (release) {
stopDrag ();
}
_____________________________________

Теперь создадим ещё один символ - Movie Clip с именем "shkala_pan"
И нарисуем там нашу шкалу в виде прямоугольника с параметрами в точности как показано на рисунке.

В этом же символе создайте ещё один слой и поместите его выше текущего. В этот слой поместите наш ползунок "polzunok_MC_pan" и задайте ему следующий action:
_________________________________

onClipEvent (enterFrame) {
_root.zvuk.setPan(this._x);
}
________________________________

Теперь переходите на главную сцену и вставляйте в неё "shkala_pan".
Посмотрите клип и попробуйте всё потаскать, если всё было сделано правильно, всё будет работать.

Но, как Вы, наверно сами видите, здесь есть небольшие недостатки. Например пользователь не видит цифрового отображения громкости звука или баланса: Давайте предоставим ему такой сервис.

На главную сцену вставьте два динамических текстовых поля. Одно для отображения громкости, другое для баланса. Назовите их "vol" и "pan" соответственно. Сначала займёмся полем "vol".
Переходите в символ "shkala_vol" и там откройте окно action для нашего ползунка и добавьте туда следующий код к уже имеющемуся там коду
_________________________________
s = new Sound(zvuk);
_root.vol = s.getVolume();
________________________________

и того у Вас должно получиться:
___________________________________
onClipEvent (enterFrame) {
_root.zvuk.setVolume(this._x);
s = new Sound(zvuk);
_root.vol = s.getVolume();
}
___________________________________

Теперь пользователь может видеть цифровое значение громкости звука. Передём к организации цифрового отображения баланса. Переходите к символу "shkala_pan" и там добавьте следующий код:
_____________________________________
s = new Sound(zvuk);
_root.pan = s.getPan();
_____________________________________

В итоге должно получиться:
________________________________
onClipEvent (enterFrame) {
_root.zvuk.setPan(this._x);
s = new Sound(zvuk);
_root.pan = s.getPan();
}
_______________________________

Теперь пользователь получает сведения относительно баланса звука. Вот вроде бы и всё, но при просмотре клипа бросается в глаза одна деталь, а именно: кому понравиться, что когда ползунок переходит на левую часть шкалы, мы видим отрицательные числа: Обычно в подобных программах отображаются положительные числа и буква "L" или "R". Давайте попробуем сделать так же. Для этого в символе "shkala_pan" в окне actions для ползунка добавим, точнее лучше заменим существующий код. После замены должно получиться:

__
onClipEvent (enterFrame) {
_root.zvuk.setPan(this._x);
s = new Sound(zvuk);
if (this._x<0) {
_root.pan = -(s.getPan())+"Left";
} else if (this._x>0) {
_root.pan = s.getPan()+"Right";
} else if (this._x = = 0) {
_root.pan = s.getPan();
}
}
_____________________________________________

Немного поясню получившееся. Мы поставили условие, что если значение "Х" ползунка меньше нуля (т.е. баланс смещается влево), то в поле "pan" возвращается значение с минусом (а минус на минус даёт плюс) и помимо этого приписывается строка Left. Ну а если баланс смещается влево, то всё остаётся как есть и ещё приписывается "Right". Ну а если "Х" координата равна нулю, то вообще ничего не приписывается. Теперь мы имеем более привычную форму записи баланса. Таким же способом можно сделать так, чтобы когда громкость была минимальная, выводилось бы, например "OFF" , а при максимальном значении - "MAX". Для этого нужно лишь заменить код у ползунка в символе "shkala_vol" на следующий код:
________________________________________________
onClipEvent (enterFrame) {
_root.zvuk.setVolume(this._x);
s = new Sound(zvuk);
if (this._x == 0) {
_root.vol = "OFF";
} else if (this._x == 100) {
_root.vol = "MAX";
} else {
_root.vol = s.getVolume();
}
}
_____________________________________________

Теперь мы имеем все, что надо для нормального отображения звука и баланса.

Ко мне обратился человек с просьбой написать программу, которая позволила бы управлять компьютерной мышью при помощи голоса. Тогда я и представить себе не мог, что, практически полностью парализованный человек, который даже не может сам повернуть голову, а может лишь разговаривать, способен развить бурную деятельность, помогая себе и другим жить активной жизнью, получать новые знания и навыки, работать и зарабатывать, общаться с другими людьми по всему свету, участвовать в конкурсе социальных проектов.

Позволю себе привести здесь пару ссылок на сайты, автором и/или идейным вдохновителем которых является этот человек – Александр Макарчук из города Борисов, Беларусь:

Для работы на компьютере Александр использовал программу «Vocal Joystick» - разработку студентов Университета штата Вашингтон, выполненную на деньги Национального Научного Фонда (NSF). См. melodi.ee.washington.edu/vj

Не удержался

Кстати, на сайте университета (http://www.washington.edu/) 90% статей именно про деньги. Трудно найти что-нибудь про научную работу. Вот, например, выдержки с первой страницы: «Том, выпускник университета, раньше питался грибами и с трудом платил за квартиру. Теперь он старший менеджер ИТ-компании и кредитует университет», «Большие Данные помогают бездомным», «Компания обязалась заплатить 5 миллионов долларов за новый учебный корпус».

Это одному мне режет глаз?

Программа была сделана в 2005-2009 годах и хорошо работала на Windows XP. В более свежих версиях Windows программа может зависнуть, что неприемлемо для человека, который не может встать со стула и её перезапустить. Поэтому программу нужно было переделать.

Исходных текстов нет, есть только отдельные публикации, приоткрывающие технологии, на которых она основана (MFCC, MLP – читайте об этом во второй части).

По образу и подобию была написана новая программа (месяца за три).

Собственно, посмотреть, как она работает, можно :

Скачать программу и/или посмотреть исходные коды можно .

Никаких особенных действий для установки программы выполнять не надо, просто щёлкаете на ней, да запускаете. Единственное, в некоторых случаях требуется, чтобы она была запущена от имени администратора (например, при работе с виртуальной клавиатурой “Comfort Keys Pro”):

Пожалуй, стоит упомянуть здесь и о других вещах, которые я ранее делал для того, чтобы можно было управлять компьютером без рук.

Если у вас есть возможность поворачивать голову, то хорошей альтернативой eViacam может послужить гироскоп, крепящийся к голове. Вы получите быстрое и точное позиционирование курсора и независимость от освещения.

Если вы можете двигать только зрачками глаз, то можно использовать трекер направления взгляда и программу к нему (могут быть сложности, если вы носите очки).

Часть II. Как это устроено?

Из опубликованных материалов о программе «Vocal Joystick» было известно, что работает она следующим образом:

1. Нарезка звукового потока на кадры по 25 миллисекунд с перехлёстом по 10 миллисекунд
2. Получение 13 кепстральных коэффициентов (MFCC) для каждого кадра
3. Проверка того, что произносится один из 6 запомненных звуков (4 гласных и 2 согласных) при помощи многослойного персептрона (MLP)
4. Воплощение найденных звуков в движение/щелчки мыши

Первая задача примечательна лишь тем, что для её решения в реальном времени пришлось вводить в программу три дополнительных потока, так как считывание данных с микрофона, обработка звука, проигрывание звука через звуковую карту происходят асинхронно.

Последняя задача просто реализуется при помощи функции SendInput.

Наибольший же интерес, мне кажется, представляют вторая и третья задачи. Итак.

Задача №2. Получение 13 кепстральных коэффициентов

Если кто не в теме – основная проблема узнавания звуков компьютером заключается в следующем: трудно сравнить два звука, так как две непохожие по очертанию звуковые волны могут звучать похоже с точки зрения человеческого восприятия.

И среди тех, кто занимается распознаванием речи, идёт поиск «философского камня» - набора признаков, которые бы однозначно классифицировали звуковую волну.

Из тех признаков, что доступны широкой публике и описаны в учебниках, наибольшее распространение получили так называемые мел-частотные кепстральные коэффициенты (MFCC).

История их такова, что изначально они предназначались совсем для другого, а именно, для подавления эха в сигнале (познавательную статью на эту тему написали уважаемые Оппенгейм и Шафер, да пребудет радость в домах этих благородных мужей. См. A. V. Oppenheim and R.W. Schafer, “From Frequency to Quefrency: A History of the Cepstrum”).

Но человек устроен так, что он склонен использовать то, что ему лучше знакомо. И тем, кто занимался речевыми сигналами, пришло в голову использовать уже готовое компактное представление сигнала в виде MFCC. Оказалось, что, в общем, работает. (Один мой знакомый, специалист по вентиляционным системам, когда я его спросил, как бы сделать дачную беседку, предложил использовать вентиляционные короба. Просто потому, что их он знал лучше других строительных материалов).

Являются ли MFCC хорошим классификатором для звуков? Я бы не сказал. Один и тот же звук, произнесённый мною в разные микрофоны, попадает в разные области пространства MFCC-коэффициентов, а идеальный классификатор нарисовал бы их рядом. Поэтому, в частности, при смене микрофона вы должны заново обучать программу.

Это всего лишь одна из проекций 13-мерного пространства MFCC в 3-мерное, но и на ней видно, что я имею в виду – красные, фиолетовые и синие точки получены от разных микрофонов: (Plantronix, встроенный массив микрофонов, Jabra), но звук произносился один.

Однако, поскольку ничего лучшего я предложить не могу, также воспользуюсь стандартной методикой – вычислением MFCC-коэффициентов.

Чтобы не ошибиться в реализации, в первых версиях программы в качестве основы был использован код из хорошо известной программы CMU Sphinx, точнее, её реализации на языке C, именующейся pocketsphinx, разработанной в Университете Карнеги-Меллона (мир с ними обоими! (с) Хоттабыч).

Исходные коды pocketsphinx открыты, да вот незадача – если вы их используете, то должны в своей программе (как в исходниках, так и в исполняемом модуле) прописать текст, содержащий, в том числе, следующее:

* This work was supported in part by funding from the Defense Advanced * Research Projects Agency and the National Science Foundation of the * United States of America, and the CMU Sphinx Speech Consortium.
Мне это показалось неприемлемым, и пришлось код переписать. Это сказалось на быстродействии программы (в лучшую сторону, кстати, хотя «читабельность» кода несколько пострадала). Во многом благодаря использованию библиотек “Intel Performance Primitives”, но и сам кое-что оптимизировал, вроде MEL-фильтра. Тем не менее, проверка на тестовых данных показала, что получаемые MFCC-коэффициенты полностью аналогичны тем, что получаются при помощи, например, утилиты sphinx_fe.

В программах sphinxbase вычисление MFCC-коэффициентов производится следующими шагами:

Шаг	Функция sphinxbase	Суть операции
1	fe_pre_emphasis	Из текущего отсчёта вычитается большая часть предыдущего отсчета (например, 0.97 от его значения). Примитивный фильтр, отбрасывающий нижние частоты.
2	fe_hamming_window	Окно Хемминга – вносит затухание в начале и конце кадра
3	fe_fft_real	Быстрое преобразование Фурье
4	fe_spec2magnitude	Из обычного спектра получаем спектр мощности, теряя фазу
5	fe_mel_spec	Группируем частоты спектра [например, 256 штук] в 40 кучек, используя MEL-шкалу и весовые коэффициенты
6	fe_mel_cep	Берём логарифм и применяем DCT2-преобразование к 40 значениям из предыдущего шага. Оставляем первые 13 значений результата. Есть несколько вариантов DCT2 (HTK, legacy, классический), отличающихся константой, на которую мы делим полученные коэффициенты, и особой константой для нулевого коэффициента. Можно выбрать любой вариант, сути это не изменит.

В эти шаги ещё вклиниваются функции, которые позволяют отделить сигнал от шума и от тишины, типа fe_track_snr, fe_vad_hangover, но нам они не нужны, и отвлекаться на них не будем.

Были выполнены следующие замены для шагов по получению MFCC-коэффициентов:

Задача №3. Проверка того, что произносится один из 6 запомненных звуков

В программе-оригинале «Vocal Joystick» для классификации использовался многослойный персептрон (MLP) – нейронная сеть без новомодных наворотов.

Давайте посмотрим, насколько оправдано применение нейронной сети здесь.

Вспомним, что делают нейроны в искусственных нейронных сетях.

Если у нейрона N входов, то нейрон делит N-мерное пространство пополам. Рубит гиперплоскостью наотмашь. При этом в одной половине пространства он срабатывает (выдаёт положительный ответ), а в другой – не срабатывает.

Давайте посмотрим на [практически] самый простой вариант – нейрон с двумя входами. Он, естественно, будет делить пополам двумерное пространство.

Пусть на вход подаются значения X1 и X2, которые нейрон умножает на весовые коэффициенты W1 и W2, и добавляет свободный член C.

Итого, на выходе нейрона (обозначим его за Y) получаем:

Y=X1*W1+X2*W2+C

(опустим пока тонкости про сигмоидальные функции)

Считаем, что нейрон срабатывает, когда Y>0. Прямая, заданная уравнением 0=X1*W1+X2*W2+C как раз и делит пространство на часть, где Y>0, и часть, где Y<0.

Проиллюстрируем сказанное конкретными числами.

Пусть W1=1, W2=1, C=-5;

Теперь посмотрим, как нам организовать нейронную сеть, которая бы срабатывала на некоторой области пространства, условно говоря – пятне, и не срабатывала во всех остальных местах.

Из рисунка видно, что для того, чтобы очертить область в двумерном пространстве, нам потребуется по меньшей мере 3 прямых, то есть 3 связанных с ними нейрона.

Эти три нейрона мы объединим вместе при помощи ещё одного слоя, получив многослойную нейронную сеть (MLP).

А если нам нужно, чтобы нейронная сеть срабатывала в двух областях пространства, то потребуется ещё минимум три нейрона (4,5,6 на рисунках):

И тут уж без третьего слоя не обойтись:

А третий слой – это уже почти Deep Learning…

Теперь обратимся за помощью к ещё одному примеру. Пусть наша нейронная сеть должна выдавать положительный ответ на красных точках, и отрицательный – на синих точках.

Если бы меня попросили отрезать прямыми красное от синего, то я бы сделал это как-то так:

Но нейронная сеть априори не знает, сколько прямых (нейронов) ей понадобится. Этот параметр надо задать перед обучением сети. И делает это человек на основе… интуиции или проб и ошибок.

Если мы выберем слишком мало нейронов в первом слое (три, например), то можем получить вот такую нарезку, которая будет давать много ошибок (ошибочная область заштрихована):

Но даже если число нейронов достаточно, в результате тренировки сеть может «не сойтись», то есть достигнуть некоторого стабильного состояния, далёкого от оптимального, когда процент ошибок будет высок. Как вот здесь, верхняя перекладина улеглась на два горба и никуда с них не уйдёт. А под ней большая область, порождающая ошибки:

Снова, возможность таких случаев зависит от начальных условий обучения и последовательности обучения, то есть от случайных факторов:

- Что ты думаешь, доедет то колесо, если б случилось, в Москву или не доедет?
- А ты как думаешь, сойдётся ента нейронная сеть или не сойдётся?

Есть ещё один неприятный момент, связанный с нейронными сетями. Их «забывчивость».

Если начать скармливать сети только синие точки, и перестать скармливать красные, то она может спокойно отхватить себе кусок красной области, переместив туда свои границы:

Если у нейронных сетей столько недостатков, и человек может провести границы гораздо эффективнее нейронной сети, зачем же их тогда вообще использовать?

А есть одна маленькая, но очень существенная деталь.

Я очень хорошо могу отделить красное сердечко от синего фона отрезками прямых в двумерном пространстве.

Я неплохо смогу отделить плоскостями статую Венеры от окружающего её трёхмерного пространства.

Но в четырёхмерном пространстве я не смогу ничего, извините. А в 13-мерном - тем более.

А вот для нейронной сети размерность пространства препятствием не является. Я посмеивался над ней в пространствах малой размерности, но стоило выйти за пределы обыденного, как она меня легко уделала.

Тем не менее вопрос пока открыт – насколько оправдано применение нейронной сети в данной конкретной задаче, учитывая перечисленные выше недостатки нейронных сетей.

Забудем на секунду, что наши MFCC-коэффициенты находятся в 13-мерном пространстве, и представим, что они двумерные, то есть точки на плоскости. Как в этом случае можно было бы отделить один звук от другого?

Пусть MFCC-точки звука 1 имеют среднеквадратическое отклонение R1, что [грубо] означает, что точки, не слишком далеко отклоняющиеся от среднего, наиболее характерные точки, находятся внутри круга с радиусом R1. Точно так же точки, которым мы доверяем у звука 2 находятся внутри круга с радиусом R2.

Внимание, вопрос: где провести прямую, которая лучше всего отделяла бы звук 1 от звука 2?

Напрашивается ответ: посередине между границами кругов. Возражения есть? Возражений нет.
Исправление: В программе эта граница делит отрезок, соединяющий центры кругов в соотношении R1:R2, так правильнее.

И, наконец, не забудем, что где-то в пространстве есть точка, которая является представлением полной тишины в MFCC-пространстве. Нет, это не 13 нулей, как могло бы показаться. Это одна точка, у которой не может быть среднеквадратического отклонения. И прямые, которыми мы отрежем её от наших трёх звуков, можно провести прямо по границам окружностей:

На рисунке ниже каждому звуку соответствует кусок пространства своего цвета, и мы можем всегда сказать, к какому звуку относится та или иная точка пространства (или не относится ни к какому):

Ну, хорошо, а теперь вспомним, что пространство 13-мерное, и то, что было хорошо рисовать на бумаге, теперь оказывается тем, что не укладывается в человеческом мозгу.

Так, да не так. К счастью, в пространстве любой размерности остаются такие понятия, как точка, прямая, [гипер]плоскость, [гипер]сфера.

Мы повторяем все те же действия и в 13-мерном пространстве: находим дисперсию, определяем радиусы [гипер]сфер, соединяем их центры прямой, рубим её [гипер]плоскостью в точке, равно отдалённой от границ [гипер]сфер.

Никакая нейронная сеть не сможет более правильно отделить один звук от другого.

Здесь, правда, следует сделать оговорку. Всё это справедливо, если информация о звуке – это облако точек, отклоняющихся от среднего одинаково во всех направлениях, то есть хорошо вписывающееся в гиперсферу. Если бы это облако было фигурой сложной формы, например, 13-мерной изогнутой сосиской, то все приведённые выше рассуждения были бы не верны. И возможно, при правильном обучении, нейронная сеть смогла бы показать здесь свои сильные стороны.

Но я бы не рисковал. А применил бы, например, наборы нормальных распределений (GMM), (что, кстати и сделано в CMU Sphinx). Всегда приятнее, когда ты понимаешь, какой конкретно алгоритм привёл к получению результата. А не как в нейронной сети: Оракул, на основе своего многочасового варения бульона из данных для тренировки, повелевает вам принять решение, что запрашиваемый звук – это звук №3. (Меня особенно напрягает, когда нейронной сети пытаются доверить управление автомобилем. Как потом в нестандартной ситуации понять, из-за чего машина повернула влево, а не вправо? Всемогущий Нейрон повелел?).

Но наборы нормальных распределений – это уже отдельная большая тема, которая выходит за рамки этой статьи.

Надеюсь, что статья была полезной, и/или заставила ваши мозговые извилины поскрипеть.