Question

我有一个音频文件我有一堆[开始，结束]时间戳段。

我想要达到的目的： 说音频是6:00分钟我的细分是：[[0.0,4.0]，[8.0,12.0]，[16.0,20.0]，[24.0,28.0]]

将这两个传递给sox + python之后，out put应该是6分钟长的音频，但只有在段传递的时间内才有音频。

即我想将time stamps和原始音频传递给SOX + python 因此，除了对应于传递的段的那些部分之外，生成一切都被静音的音频

我无法达到上述目标但有点接近相反的情况，经过几天的谷歌搜索我有这个：

更新，更简洁的代码+示例：
sox命令，像这样进行填充和修剪

SOX__SILENCE = 'sox "{inputaudio}" -c 1 "{outputaudio}" {padding}{trimming}'

用于测试的随机段：

# random segments:
A= [[0.0,16.0]]
b=[[1.0,2.0]]
z= [[1.6, 8.3], [13.2, 33.7], [35.0,38.0], [42.0,51.0], [70.2,73.7], [90.0,99.2], [123.0,131.1]]
q= [[0.0,4.0], [8.0,12.0], [16.0,20.0], [24.0,28.0]]

用于生成填充和修剪的小型Python脚本。

PADDING：

def get_pad_pattern_from_timestamps(my_segments):
        padding = 'pad'
        for segment in my_segments:
            duration = str(segment[1] - segment[0])
            padding = padding + ' ' + duration + '@' + str(segment[0])
        return padding

print get_pad_pattern_from_timestamps(A)
print get_pad_pattern_from_timestamps(b)
print get_pad_pattern_from_timestamps(z)
print get_pad_pattern_from_timestamps(q)

从^：

输出

pad 16.0@0.0
pad 1.0@1.0
pad 6.7@1.6 20.5@13.2 3.0@35.0 9.0@42.0 3.5@70.2 9.2@90.0 8.1@123.0
pad 4.0@0.0 4.0@8.0 4.0@16.0 4.0@24.0 4.0@32.0 4.0@40.0

TRIMMING：

def get_trimm_pattern_from_timestamps(my_segments):
        trimming = ''
        for segment in my_segments:
            duration = str(segment[1] - segment[0])
            trimming = trimming + ' trim 0 ' + str(segment[0]) + ' 0 ' + duration + ' ' + duration
        return trimming

print get_trimm_pattern_from_timestamps(A)
print get_trimm_pattern_from_timestamps(b)
print("\n")
print get_trimm_pattern_from_timestamps(z)
print("\n")
print get_trimm_pattern_from_timestamps(q)
print("\n")

修剪输出：

trim 0 0.0 0 16.0 16.0
 trim 0 1.0 0 1.0 1.0


 trim 0 1.6 0 6.7 6.7 trim 0 13.2 0 20.5 20.5 trim 0 35.0 0 3.0 3.0 trim 0 42.0 0 9.0 9.0 trim 0 70.2 0 3.5 3.5 trim 0 90.0 0 9.2 9.2 trim 0 123.0 0 8.1 8.1


 trim 0 0.0 0 4.0 4.0 trim 0 8.0 0 4.0 4.0 trim 0 16.0 0 4.0 4.0 trim 0 24.0 0 4.0 4.0 trim 0 32.0 0 4.0 4.0 trim 0 40.0 0 4.0 4.0

使用来自终端的输出来运行SOX：

Padding:  

    sox dinners.mp3 -c 1 testlongpad.mp3 pad 4.0@0.0 4.0@8.0 4.0@16.0 4.0@24.0

Trimming:  

    sox dinners.mp3 -c 1 testrim.mp3 trim 0 0.0 0 16.0 16.0

Padd and trimm: 

    sox dinners.mp3 -c 1 testlongpadtrim.mp3 pad 4.0@0.0 4.0@8.0 4.0@16.0 4.0@24.0 trim 0 0.0 0 4.0 4.0 trim 0 8.0 0 4.0 4.0 trim 0 16.0 0 4.0 4.0 trim 0 24.0 0 4.0 4.0

如果S是我的片段，那么NS就是其他一切。在^方法我通过NS，NS从音频中删除。

我想要实现的目标仍然相同，但是以不同的方式，即我想传递S，以便只保留与S对应的部分音频。

PS：我的问题非常具体，我是音频处理新手，不确定如何继续。请不要将问题视为过于宽泛或其他问题。我很乐意提供更多细节以提供澄清。最后这不是一个问题。这是个人项目。

示例音频：https://www.dropbox.com/s/1p27nfwney42ka2/LAZY_SALON_-03-_Hot_Dinners.mp3?dl=0

示例细分[[开始，结束]，[，]]：[[1.6, 8.3], [13.2, 33.7], [35.0,38.0], [42.0,51.0], [70.2,73.7], [90.0,99.2], [123.0,131.1]]

因此，当这些时间戳传递给带有音频的sox / python时，除了提供的段中的那些部分之外，音频中的所有内容都应该被静音。

Answer 1

我可能会使用zsh脚本和awk解决此问题。

如果时间是这样的：

<强>位

1.6 8.3
13.2 33.7
35.0 38.0
42.0 51.0
70.2 73.7
90.0 99.2
123.0 131.1

像这样计算沉默位：

awk '{ print $1, $2, $1 - p; p = $2 }' bits

输出：

1.6 8.3 1.6
13.2 33.7 4.9
35.0 38.0 1.3
42.0 51.0 4
70.2 73.7 19.2
90.0 99.2 16.3
123.0 131.1 23.8

您现在可以使用以下内容生成所需的命令行：

args="sox "
m=file.mp3
awk '{ print $1, $2, $1 - p; p = $2 }' bits |
while read s e n; do
  args+="\"|sox -n -p trim 0 $n\" "
  args+="\"|sox $m -p trim $s =$e remix 1\" "
done
args+="out.wav"
echo "$args"

将其导入/bin/sh以执行：

... | sh

sox的输出现在应该在 out.wav 中。

Answer 2

我能够通过解决方法实现。

请参阅：create new list from list of lists in python by grouping

我所做的是创建一个包含段之间区域的新列表，然后将其传递给sox。目前，我传给sox的任何东西都被删除了。所以我计算了要删除的区域，然后将其传递给sox。它运作得很好。

解决方案仍然倒置，但我不必更改sox中的任何内容。

我不接受我的答案作为答案。希望有人能够提出一个涉及修改sox命令的解决方案，而不必像我那样重新计算分段。

使用sox和python

2 个答案: