我需要通过单词自动分割语音视频，因此每个单词都是一个单独的视频文件。你知道怎么做的吗？
我的计划是检测静音部分并将它们用作单词分隔符。但我没有找到任何工具来做到这一点，看起来ffmpeg不是正确的工具。
答案 0 :(得分：19)
您可以先使用ffmpeg来检测静音间隔，例如
ffmpeg -i "input.mov" -af silencedetect=noise=-30dB:d=0.5 -f null - 2> vol.txt
这将产生控制台输出，其读数如下所示：
[silencedetect @ 00000000004b02c0] silence_start: -0.0306667
[silencedetect @ 00000000004b02c0] silence_end: 1.42767 | silence_duration: 1.45833
[silencedetect @ 00000000004b02c0] silence_start: 2.21583
[silencedetect @ 00000000004b02c0] silence_end: 2.7585 | silence_duration: 0.542667
[silencedetect @ 00000000004b02c0] silence_start: 3.1315
[silencedetect @ 00000000004b02c0] silence_end: 5.21833 | silence_duration: 2.08683
[silencedetect @ 00000000004b02c0] silence_start: 5.3895
[silencedetect @ 00000000004b02c0] silence_end: 7.84883 | silence_duration: 2.45933
[silencedetect @ 00000000004b02c0] silence_start: 8.05117
[silencedetect @ 00000000004b02c0] silence_end: 10.0953 | silence_duration: 2.04417
[silencedetect @ 00000000004b02c0] silence_start: 10.4798
[silencedetect @ 00000000004b02c0] silence_end: 12.4387 | silence_duration: 1.95883
[silencedetect @ 00000000004b02c0] silence_start: 12.6837
[silencedetect @ 00000000004b02c0] silence_end: 14.5572 | silence_duration: 1.8735
[silencedetect @ 00000000004b02c0] silence_start: 14.9843
[silencedetect @ 00000000004b02c0] silence_end: 16.5165 | silence_duration: 1.53217
然后生成命令以从每个静音结束分割到下一个静音开始。你可能想要添加一些250毫秒的句柄，所以音频的持续时间为250毫秒* 2。
ffmpeg -ss <silence_end - 0.25> -t <next_silence_start - silence_end + 2 * 0.25> -i input.mov word-N.mov
（我已跳过指定音频/视频参数）
您需要编写一个脚本来抓取控制台日志并生成带有时间码的结构化（可能是CSV）文件 - 每行一对：silence_end和下一个silence_start。然后是另一个用每对数字生成命令的脚本。