在Web服务器上组合音频文件的最快方法是什么？

Question

免责声明：原谅我对音频/声音处理的无知，我的背景是网络和移动开发，这是我的一个客户的定制要求！

我需要连接4个音频文件，背景音轨在所有4个音频文件后面播放。源音频文件可以以任何格式创建，或者应用任何处理，以改善处理时间，但输出质量仍然很重要。为清楚起见，输入文件可以如下命名（.wav只是一个示例格式）：

• background.wav
• 段a.wav
• 段b.wav
• 段c.wav
• 段d.wav

并且需要像这样结构化：

[------------------------------background.wav------------------------------]
[--segment-a.wav--][--segment-b.wav--][--segment-c.wav--][--segment-d.wav--]

我已经设法使用SoX工具来实现上述串联部分使用MP3文件，但在一台速度相当快的计算机上，我每分钟处理大约需要一小时的串联音频，这不是我的要求足够快，而且还没有应用背景声音或任何“好看的东西”，如修剪/褪色。

我的问题是：

• SoX是这种操作的最佳/唯一工具吗？
• 有没有办法让这个过程更快而不牺牲（太多）质量？
• 更改输入文件格式会改善性能吗？如果是这样，哪种格式最好？

非常感谢来自这个优秀社区的任何建议！

Answer 1

1. Sox可能不是最好的工具，但我怀疑如果没有手工编码，你会发现更好的东西。
2. 我敢冒昧地猜测你在那个时候处理那么多的音频做得很好。你可能会做得更好，但你必须进行实验。你是对的，提高速度的主要方法可能是改变文件格式。
3. MP3和OGG 可能会为您提供类似的性能，因此首先要确定MP3与未压缩音频的比较，例如wav或aiff。如果MP3 / OGG更好，请尝试不同的压缩比和采样率，看看哪个更快。使用wav文件，您可以尝试降低采样率（您也可以使用MP3 / OGG执行此操作）。如果这是语音，你可能会低至8kHz，这应该会大大加快速度。对于音乐，我会说32kHz，但这取决于要求。此外，尝试单声道而不是立体声，这也应该加快速度。