C/C++ - C++ manipolazione audio

Salve a tutti, avrei bisogno di una mano.
Dovrei analizzare un file audio, principalmente una canzone, e capire quando il cantante smette di parlare.
Mi spiego meglio, devo creare un codice che riceve in input una canzone, e mi dica dopo quanti secondi la voce inizia e finisce, in modo da avere il tempo di inizio e fine (più o meno corretti) di ogni strofa.
Grazie

questa "semplice" cosa che chiedi in realtà è davvero complessa da realizzare dal punto di vista software. ti consiglio di lasciar perdere.

posso darti delle linee guida: trasformati il suono in più sinusoidi tramite la serie di fourier, poi analizzi quando c'è la voce cantata e trovi cosa ha la trasformazione in comune ad un'altra trasformazione di altri pezzi cantati e in base a quello deduci un algoritmo in grado di carpire la voce di un cantante, ma avendo i cantanti voci diverse sarà terribilmente difficile(ma non impossibile) trovare un algoritmo in grado di dedurre quello che vuoi sapere...