如何在不使用NAudio和.NET重新编码的情况下检测静音并剪切mp3文件

Question

我一直在寻找答案，我只能找到一些零碎的东西。我想要做的是加载多个mp3文件（暂时合并它们），然后使用静音检测将它们分割成碎片。

我的理解是我可以使用Mp3FileReader，但问题是： 1.如何从mp3文件中读出20秒的音频？我是否需要阅读20次阅读器.WaveFormat.AverageBytesPerSecond？或者可能继续阅读框架，直到Mp3Frame.SampleCount / Mp3Frame.SampleRate的总和超过20秒？ 2.我如何真正发现沉默？我会查看相应数量的连续样本，以检查它们是否都低于某个阈值。但是我如何访问样本，无论它们是8位还是16位，单声道还是立体声等？我可以直接解码MP3帧吗？ 3.在示例10465处检测到静音后，如何将其映射回mp3帧索引以执行切割而不重新编码？

Answer 1

以下是我推荐的方法（涉及重新编码）

1. 使用AudioFileReader直接在Read方法
中将MP3作为浮点样本
2. 找到一个开源噪声门算法，将其移植到C＃，并使用它来检测静音（即当噪声门关闭时，你有静音。你想要调整阈值和攻击/释放时间）< / LI>
3. 创建一个使用噪音门的派生ISampleProvider，并在其Read方法中，不会返回静默的样本
4. 或者：将输出传递给WaveFileWriter以创建WAV文件，并将WAV文件编码为MP3  或者：使用NAudio.Lame直接编码而无需WAV步骤。您可能需要首先从SampleProvider返回到16位WAV提供程序

Answer 2

MP3是一种压缩音频格式。你不能只删除比特并期望其余部分仍然是有效的MP3文件。实际上，由于它是基于DCT的变换，所以比特位于频域而不是时域。样本10465根本没有比特。其中包含样本10465的帧，并且存在描述该帧中所有频率的一组比特。

在样本10465处切换音频并继续使用一些随机的其他样本可能会导致不连续，这意味着所产生的帧中出现的频率数量会急剧增加。所以这绝对意味着一个完整的重新编码。更好的方法是平滑过渡，但这不是一个微不足道的操作。结果当然与输入略有不同，所以它仍然意味着重新编码。

1. 我不明白你为什么要阅读20秒的音频。该号码来自何处？你通常想读一切。

2. 声音是一波;完全可以预期它会过零。所以接近于零并不是特别的。对于20 Hz波（听觉阈值），零交叉每秒发生40次，但每次你有多个样本接近零。因此，您基本上需要多个样本，这些样本都接近于零，但两侧都是如此。 5 6 7对于16位声音来说并不是很多，但它很可能是一个最大值为10000的波的一部分。你真的应该检查至少0.05秒来捕捉那些20赫兹的声音。

3. 由于您在50毫秒的时间间隔内检测到静音，因此您有一个＆＃34;位置＆＃34;大约有几百个样本宽。幸运的是，那里有一个框架边界。切到那里。是的，还有重新编码的时间。

Answer 3

在阅读之前： Mark的回答更容易实现，您几乎肯定会对结果感到满意。这个答案适合那些愿意花费大量时间的人。

所以说，基于静音切割MP3文件而不重新编码或完全解码实际上是可行的...基本上，你可以看看每个帧的侧面信息和每个粒子的增益和放大器。霍夫曼数据“估计”沉默。

• 找到沉默
• 将沉默之前的所有帧复制到新文件

现在它变得棘手......

• 在静音后从帧中拉出音频数据，跟踪哪个帧头与哪些音频数据一致。
• 开始编写第二个新文件，但在写出帧时，更新main_data_begin字段，使位库与音频数据真正同步。