我已经尝试过Sox来消除音频文件中的静音和噪音。我想知道它的技术细节来理解它。在专业软件可以依赖它之前理解它是很重要的（我知道它很好用并且已经被许多人使用过）
使用Noise Profile对Noise进行采样，然后使用Noisered进行删除时，Sox在此过程中的实际操作是什么？类似地，当添加VAD效果时。是否有技术解释或发表的一些论文，我可以阅读以理解它。
答案 0 :(得分：3)
由于我的学习（语言和音乐的科学基础，通信科学），我有信号处理的背景，只是看看了sox降噪算法的代码。
在不对其进行分析得太深，好像它是做噪声轮廓和原始信号的FFT，然后减去从后者在第一和再次执行FFT合成以重新创建类似于原始的信号。
通过这个过程，它应该将所有频率减少它们在噪声信号中出现的量。
整个过程似乎是逐个窗口完成的，应该允许流式传输。
正如我所说，这只是基于我的背景知识和我在代码中的简短一瞥，所以可能有些方面我没有掌握。
编辑：
我也看了一眼VAD代码;那个人似乎监视出现在指定范围内的频率的频谱，如果是的话，将其声明为＆＃34; voice＆＃34;。所有部件（窗户）未声明＆＃34;语音＆＃34;然后沉默（AFAICS）。实际上，这将消除纯语音记录中的所有背景噪声。