Акустические камеры имеют массив микрофонов, способных воспроизводить пространственную информацию о звуке. Они даже работают в замедленном режиме, и эхо выглядит потрясающе!
Расшифровка видео
вступление
0:00
Это камера, которая может видеть звук.
0:02
Другими словами, он может показать вам, где в сцене звучит звук.
0:05
исходят из.
0:06
Как работают акустические камеры,
0:08
и то, на что они способны, замечательно.
0:10
Но прежде чем мы перейдем к этому, я пошел в безэховую камеру
0:14
поиграть с одним.
0:16
Вот я играю на укулеле и разговариваю одновременно.
0:19
Интересно, что звук переключается
0:22
между исходящим из моего рта и исходящим из укулеле,
0:25
хотя иногда оба издают звук
0:27
в то же время.
Динамический диапазон
0:28
И гениально, это полностью аналогично
0:31
к традиционной фотокамере.
0:34
Здесь мы имеем дело с динамическим диапазоном.
0:37
Если ваша камера настроена на автоматическую экспозицию
0:40
которым ваш смартфон является по умолчанию,
0:42
а ты снимаешь видео тусклого света,
0:45
затем включите гораздо более яркий свет, камера переключится
0:49
между показом вам множества деталей тусклого света
0:52
чтобы показать вам много деталей яркого света.
0:55
И то же самое происходит здесь с укулеле.
0:58
Укулеле громче моего голоса.
1:01
Поэтому, когда на укулеле играют,
1:03
акустическая камера снижает чувствительность
1:06
и вы больше не можете видеть мой голос.
1:09
Но когда я перестаю играть на укулеле, камера переключается
1:12
чувствительность, и тогда вы можете увидеть мой голос.
1:15
Что действительно круто, так это то, что мой голос
1:18
в диапазоне частот, отличном от укулеле,
1:20
можно выделить только мой голос
1:23
и игнорировать укулеле или наоборот.
1:26
И на самом деле, это начинает намекать
1:27
на одном из промышленных применений акустических камер.
1:31
Одним из действительно шумных приборов является пылесос.
1:34
(пылесос гудит)
1:36
Это просто похоже на какофонию звуков.
1:39
Но посмотрите на эту спектрограмму,
1:41
что похоже на тепловую карту разных частот
1:44
что производит пылесос.
1:46
Вы можете видеть, что есть горстка
1:47
очень сильных частот.
1:50
С помощью программного обеспечения акустической камеры,
1:51
вы можете изолировать разные частоты.
1:53
Итак, смотрите, вот эта частота, которую мы сейчас можем видеть
1:57
из трубки пылесоса.
1:59
Итак, теперь мы знаем, что трубка пылесоса резонирует.
2:02
на 400 герц, и мы видим, что двигатель
2:05
пылесос производит частоту 7000 герц.
2:09
И все это действительно полезная информация
2:10
если вы пытаетесь разработать более тихий прибор.
2:13
Еще один крутой трюк: когда у вас есть запись,
2:16
вы можете использовать что-то вроде пипетки
2:19
в Photoshop, чтобы указать на разные части записи
2:22
и посмотрите, как звучит только эта часть.
2:25
Как это круто?
2:26
Кстати, спасибо Яну МакФарлейну из AcSoft.
2:28
которые поставляют акустические камеры в Великобританию.
2:31
Посмотрите их в описании
2:32
для всех ваших потребностей акустической камеры.
2:34
Между прочим, они не платят мне за то, чтобы я это говорил.
2:35
И спасибо также Мэнни и Зоми
2:37
и Бирмингемский центр железнодорожных исследований.
2:40
в Бирмингемском университете, который организовал все это.
2:43
Почему железнодорожный исследовательский центр может быть заинтересован
2:46
в использовании акустической камеры?
2:47
Ну, вот одна установка, обочина пути, и пока поезда проходят,
2:52
Вы можете определить, какие колеса издают шум
2:55
и нуждаются в обслуживании.
2:57
Без такого мониторинга вы часто первыми узнаете
3:00
о проблеме с поездом, когда он ломается
3:04
в обслуживании, что вызывает задержки и стоит денег.
3:07
Представьте себе потерянную производительность
3:10
если бы все эти люди опоздали на работу.
3:12
Я действительно понял, что у меня есть эта гипотеза
3:14
которые я мог проверить с помощью акустических камер.
3:17
Вот эта демонстрация, которую я делал
3:19
для живых выступлений, например, научных шоу
3:21
для детей, где вы получаете алюминиевый стержень
3:23
вот так, и ты зажимаешь его посередине
3:26
а потом немного канифоли между пальцами
3:30
ты щипнешь вдоль стержня и предупредишь наушники,
3:34
он издает ужасно пронзительный звук.
3:37
(Род кричит)
3:43
Это ужасно, не так ли?
Вибрация
3:45
Вопрос в том, как вибрирует шток?
3:48
Он вибрирует так же, как когда
3:50
ты звонишь, когда линейка так виляет?
3:54
Или это больше похоже на то, когда вы дергаете гитарную струну?
3:58
Так что это вроде как, вы знаете, что это происходит так.
4:00
Ну, в зависимости от того, как он вибрирует,
4:02
звук будет исходить из разных частей стержня.
4:05
И вы можете видеть здесь, что звук приближается
4:08
от самых кончиков стержня, и это соответствует
4:11
с действительно неожиданным колебательным режимом
4:14
где стержень существенно сжимается
4:16
а затем расширяется, сжимается и расширяется.
4:19
Одна вещь, которая безумно крута в акустических камерах
4:21
частота кадров.
4:23
Как типичная частота кадров для камеры
4:25
составляет 60 кадров в секунду.
4:26
Это то, в чем я снимаю свои видео на YouTube.
4:29
Но когда вы записываете звук
, вы обычно делаете выборку
4:32
около 40 000 выборок в секунду.
4:35
И когда вы переведете это на акустическую камеру,
4:38
это 40 000 кадров в секунду.
4:41
Так случайно акустические камеры тоже являются высокоскоростными камерами
4:46
что означает, что вы можете делать такие вещи, как фильм
4:48
как выглядит эхо, а затем воспроизвести его
4:50
в сверхзамедленной съемке.
4:52
Прежде чем мы доберемся до этого,
4:53
Я хочу объяснить, как работают акустические камеры.
4:56
И на самом деле это относится к видео, которое я сделал некоторое время назад
4:58
о том, как люди определяют, откуда исходят звуки,
5:01
связанный с тем, что в карточке в описании,
5:03
но вот краткое изложение существенной части.
5:06
Мы определяем, откуда исходят звуки, на основе
5:07
о времени звука, достигающего наших двух ушей.
5:10
Итак, если звук исходит прямо впереди,
5:13
он достигнет обоих ушей одновременно.
5:14
И вот как мы знаем, что это исходит спереди.
5:17
Но предположим, что есть задержка в 0,3 миллисекунды,
5:20
это говорит нашему мозгу, что звук приближается
5:22
от как бы в одну сторону, как там.
Конус замешательства
5:25
Но на самом деле это также может произойти
5:26
оттуда, не так ли?
5:27
Потому что задержка будет такой же,
5:28
или как там под углом, или там внизу.
5:31
На самом деле, есть целая область возможных мест
5:34
звук может исходить от.
5:35
И эта область называется конусом неразберихи,
5:38
хотя технически это гиперболоид путаницы.
5:42
Вот иллюстрация этого.
5:43
Две желтые точки — это уши.
5:45
а вот и конус возможных местоположений звука
5:48
для которых задержка между двумя ушами одинакова.
5:51
Итак, как вы уменьшаете эту поверхность
5:54
возможных местоположений звука вплоть до одной точки?
5:57
Ну, у человеческого мозга есть много умных способов сделать это.
6:00
Но для такого устройства, как акустическая камера,
6:02
вам просто нужно добавить больше ушей.
6:04
Как здесь, смотри, представь, если бы я добавил третье ухо.
6:08
Ну а тот же источник звука создаст новый конус
6:11
на основе задержки между этой парой ушей.
6:15
Итак, теперь мы знаем, что звук должен быть
6:17
из точки, которая опирается на оба этих конуса.
6:20
Другими словами, где-то вдоль этой пересекающейся линии.
6:23
Вы можете подумать, что есть еще одна пара ушей
6:26
мы не смотрели.
6:27
Эти два уха образуют еще один конус.
6:29
Но на самом деле, как работает математика
6:31
все три конуса пересекаются по одной и той же гиперболе.
6:35
Таким образом, чтобы точно определить местоположение звука,
6:37
вам нужно четвертое ухо.
6:39
Четвертое ухо дало бы нам три новых пары ушей.
6:42
и, следовательно, три новых конуса путаницы.
6:46
Но если бы я показал все три новых конуса,
6:48
это сбивает с толку.
6:50
Но просто добавив один из них, мы можем увидеть
6:52
что он проходит через гиперболу только в одном месте.
6:56
Итак, с четырьмя ушами,
6:57
вы должны быть в состоянии найти точное направление
7:00
и расстояние до источника звука.
7:02
Так зачем же этим акустическим камерам нужно больше четырех ушей?
7:06
Ну а если бы было два источника звука одновременно?
7:09
В этом сценарии
7:10
два микрофона будут принимать совершенно разные звуки.
7:15
Это потому, что звуки из двух источников
7:17
будет перекрываться по-разному
7:19
из-за разного времени в пути
7:21
на два разных микрофона.
Индивидуальный частотный анализ
7:23
Это нормально для людей, потому что люди хорошие
7:26
при фильтрации звуков всевозможными хитрыми способами.
7:30
Но для программного обеспечения это проблема.
7:32
Вместо этого программное обеспечение анализирует
7:35
отдельные частоты вместо всей формы волны.
7:39
Итак, где человеческий мозг пытается соответствовать
7:41
сложные формы волны, акустическая камера смотрит на
7:45
отдельные частоты и разность фаз
7:48
у двух микрофонов.
7:50
И оказывается, что когда вы ищете
7:51
на разных частотах индивидуально,
7:53
расстояние между микрофонами становится действительно важным.
7:57
Для любой заданной частоты
7:58
есть оптимальное расстояние между микрофонами.
8:01
Таким образом, имея много микрофонов, вы можете иметь диапазон
8:04
разное расстояние между микрофонами,
8:06
и так вы сможете проанализировать
8:08
больше частот точнее.
8:10
В моем предыдущем видео, о котором я упоминал ранее,
8:13
Я говорю о том, почему звук высокой частоты проблематичен
8:17
для микрофонов, которые далеко друг от друга
8:19
и на самом деле это проблематично и для человеческого уха.
8:23
Так что не буду повторяться,
8:24
но ссылка есть в описании.
8:26
Но в любом случае, все это объясняет, почему эта акустическая камера еще и
8:30
от gfai tech есть микрофоны, которые расположены неравномерно.
8:34
Если микрофоны заменяются через равные промежутки времени,
8:36
у вас будет несколько повторяющихся расстояний
8:38
между парами микрофонов.
8:40
Как будто все эти расстояния одинаковы,
8:41
все эти расстояния одинаковы.
8:43
Имея неравномерно расположенные микрофоны,
8:45
вы покрываете больший диапазон расстояний между микрофонами.
8:48
Принцип работы акустических камер сложнее
8:51
чем я представил здесь.
8:52
лайк на экзамен
пле,
8:53
наличие большего количества микрофонов дает вам существенно лучшее разрешение,
8:57
но это выходит за рамки этого видео.
8:59
я как-то умолчал об этом факте
9:01
что вы получаете информацию о глубине от массива микрофонов.
9:04
Так вот более свежая модель
9:06
от gfai tech, которая использует это преимущество.
9:09
Видеокамера посередине этого
9:11
фиксирует информацию о глубине.
9:13
Итак, когда вы путешествуете вокруг объекта,
9:14
вы в основном сканируете его.
9:16
Затем вы можете сопоставить звук с этим 3D-объектом.
9:19
и оглянись вокруг.
9:21
Как это круто?
9:21
Но самое крутое для меня
9:22
наблюдал, как эхо распространяется по комнате.
9:26
Это Пол.
9:27
После начального хлопка, который явно по центру
9:29
на его руках, вы начинаете видеть эти другие горячие точки, мигающие
9:33
вокруг экрана, где звук отражается от стен.
9:38
Само эхо занимает миллисекунды,
9:40
но вы можете увидеть все эти детали в замедленной съемке.
9:43
Так крутить круто.
9:44
Картина эха выглядит немного по-другому, когда вы
9:46
в углу комнаты.
9:49
меня очень интересует логика
9:51
за различными бизнес-моделями, такими как приложения для доставки еды
9:54
например, я голоден, я не хочу готовить
9:56
Я не хочу выходить на улицу, и мне нужен большой выбор,
9:59
приложения для доставки еды.
10:00
Логика невероятно проста
10:02
такова логика спонсора
10:04
этого видео, Incogni.
10:05
Они предлагают то, что вы хотите,
10:07
но ты не хочешь делать сам
10:09
но это не доставка еды.
10:11
Почему я сейчас голоден?
10:12
Вот что предлагает Incogni.
10:15
Есть такие компании, называемые брокерами данных.
10:17
которые собирают данные о вас
10:18
а потом выкрикивать это на других людей.
10:20
Вы не знаете, кому они это продают,
10:22
но вы можете связаться с ними и сказать,
10:24
прекратите это делать, а также удалите мои данные.
10:27
Проблема в том, что таких компаний тысячи.
10:29
и все они хотят, чтобы с ними связались по-разному
10:31
и иногда они будут отклонять ваши запросы
10:33
и вы должны подать апелляцию и все такое прочее.
10:35
На то, чтобы сделать это самостоятельно, уйдут месяцы.
10:37
И на самом деле у Инкогни ушло несколько месяцев, чтобы сделать это в первый раз.
10:41
но теперь они автоматизировали все это.
10:43
Одна компания сделала всю тяжелую работу
10:46
и теперь мы все можем извлечь из этого пользу.
10:48
Так что теперь я могу просто зарегистрироваться в Incogni,
10:50
дать им разрешение действовать от моего имени,
10:52
и они просто заботятся об этом.
10:54
Я был в Инкогни некоторое время
10:56
так что я могу показать вам прогресс.
10:58
Посмотрите, это все компании, которые подтвердили
11:00
что у них теперь нет моих данных.
11:03
Это действительно ненавязчивый сервис, который я ценю.
11:06
Это просто происходит в фоновом режиме.
11:07
Но забавно, будто так ненавязчиво
11:09
что я говорил своей жене на днях, знаете что?
11:11
Я больше не получаю эти странные телефонные звонки
11:14
от компаний, которые не признают
11:16
которые, кажется, много знают обо мне.
11:18
Может быть, Великобритания изменила законодательство
11:21
так что компании не могут этого сделать.
11:23
О, нет, подожди, подожди.
11:25
Это Инкогни, не так ли?
11:27
Вроде только не ставил, знаете, это я, забыл.
11:30
Вот и все.
11:31
Вы знаете, это душевное спокойствие.
11:32
Вы просто делаете это.
11:33
А потом то, что ты должен был сделать,
11:35
вы сделали это.
11:36
Промо на этом в три раза лучше
11:38
чем в прошлом месяце.
11:39
Первые 100 человек, перешедших на incogni.com/science
11:43
и используйте науку о промо-коде при оформлении заказа, чтобы получить скидку 60%.
11:48
Ссылка тоже есть в описании.
11:49
Так что проверьте Incogni сегодня.