鉴于音频，我想计算演讲的节奏。即它有多快或多慢。
目前我正在做以下事项：
- 将语音转换为文本并获取成绩单（使用免费工具）
- 计算成绩单中的单词数量
- 计算文件的长度或持续时间
- 最后，style.scss。
然而，获得的速度的准确性完全取决于转录，我认为这是不必要的步骤。
是否有任何python-library / sox / ffmpeg方式可以让我
我提到：我提到了：http://sox.sourceforge.net/sox.html和https://digitalcardboard.com/blog/2009/08/25/the-sox-of-silence/
答案 0 :(得分：2)
您的方法听起来很有趣，作为快速的一阶近似，但受到转录分辨率的限制。您可以直接分析音频文件。
我不熟悉Sox，但是从他们的手册中可以看出 stat 选项提供了＆＃34; ...关于音频的时间和频率域统计信息＆＃34; < / p>
Sox声称自己是一名＆＃34;瑞士军刀的音频操作＆＃34; ，只是通过浏览他们的文档似乎可能适合您找到一般的节奏。
如果你也想进行音调分析，那么你可以使用python开发自己的算法 - 我最近使用了 librosa ，发现它非常有用且记录良好。