L'àudio realitza principalment les següents funcions: A, extreure el sobre de l'àudio, adonant-se que el volum és massa gran, massa petit i la funció de detecció d'intercepcions; B, comparant els valors d'energia abans i després de la ruptura d'àudio, per realitzar la funció de detecció de so; C, el procés de muntatge de línia recta de primer ordre d'àudio es realitza en el valor de volum al principi i al final per obtenir el pendent i el desplaçament vertical de la línia recta ajustada, per tal de realitzar la funció de detecció de la fade- efecte de fade-out; D. L'espectre de so típic actual té unes característiques de línia brillant òbvies. Mitjançant el càlcul de l'energia de l'àudio i el valor de la variància corresponent, s'analitza aquesta característica per a realitzar la funció de detecció de so actual. La invenció té els avantatges que adopta el mètode per extreure el sobre i la precisió de la detecció del volum es millora encara més; la detecció de la fade in and out està ben realitzada i la precisió és alta; el mètode té un bon efecte de detecció sobre el so actual específic.
Amb la millora contínua de la qualitat de vida de les persones modernes, la recerca de la qualitat de la gent cada vegada és més urgent. MP3s d'alta qualitat, música de format sense pèrdua i similars, llocs d'apreciació musical i programari també estan implicats cada vegada més en la vida quotidiana de les persones. No obstant això, en una gran quantitat de biblioteques de música, la qualitat de l'àudio no és uniforme, i la detecció manual de la qualitat del so requereix una gran quantitat de treball i no és sostenible. Per tant, això requereix una bona mesura per resoldre aquest problema.
El mètode de detecció de funcions d'àudio, aquestes característiques afecten l'efecte auditiu de l'audiència fins a cert punt, proporcionant així una determinada referència per a la detecció artificial de la qualitat del so. Mitjançant aquest mètode, es poden detectar automàticament les funcions d'àudio, es redueix la gran càrrega de treball i el risc de detecció manual de la mà d'obra, i l'eficiència de detecció es millora efectivament. Al mateix temps, es pot reduir la típica característica falsa de detecció causada per factors humans, i es garanteix la precisió de la detecció.
L'extracció de funcions d'àudio, analitza l'efectivitat i robustesa d'aquestes característiques per distingir diferents tipus d'àudio a partir de dos aspectes. Finalment, en funció d'aquestes característiques, s'utilitza un classificador de màquina de vectors (SVM) per entrenar i provar en un conjunt de dades d'àudio d'aproximadament 5 hores, dividint l'àudio en cinc categories predefinides: discurs pur, pur, discurs impurat, música i ambient so Els resultats experimentals mostren que, utilitzant funcions d'àudio efectives, es poden classificar escenes d'àudio en diferents tipus.
