我有兴趣将音频文件用作及时发生的事件记录。那就是我将有多个数据流需要及时对齐，我想使用音频文件作为参考。那么，我想知道是否有可能获得音频流的实际时基，相对于实时时钟而言？ 我很欣赏可以从样本计数和采样频率（例如，16KHz）确定音频剪辑的持续时间。对于短片，这可能是一个很好的估计，但对于长时间（多小时录音），这个估计的准确度如何？我希望在几个小时内保持亚秒的准确度。
换句话说，音频文件是否存储音频录制的实际开始和停止时间，参考RTC（实时时钟）。这将允许人们为音频文件中的每个样本生成时基。如果是这样，我可以从python音频库中获取这些数据吗？
我在Android平台上使用MP4 / AAC进行编码，使用pydub进行后期处理。
感谢。
答案 0 :(得分：0)
我们想出了一个看起来像kludge的答案，但老实说，我们的工作非常好。似乎音频格式规范不允许存储会话开始和结束的时间代码。所以，相反，我们编码了开始时间戳，毫秒分辨率，按下记录按钮的那一刻，作为文件名中的字符串（＆＃34; 2017-02-13_10-04-27-943＆＃34;）和录制了音频会话。然后，当记录停止时，我们抓住另一个时间戳，计算时间差（以毫秒为单位），然后在关闭文件之后将持续时间作为字符串附加在文件名中（＆＃34; Dur123456＆＃34;）。因此，时间开始和持续时间参考Android手机上的RTC（实时时钟）。然后我们可以将WAV / PCM时基重新映射到真实持续时间。事实证明，＆＃34; 16KHz＆＃34;实际上不是16,000Hz。我们发现10分钟录音的错误大约为几秒钟。它可能看起来不多，但对于多小时的录音，它会增加。谢谢。