因此，我正在使用Python和Google Cloud Services（用于电话呼叫）处理语音文本项目。我收到的mp3有一个声音在左扬声器播放，另一个声音在右扬声器播放。
因此在测试过程中，我手动将原始mp3文件拆分为两个WAV文件（每个通道一个，转换为单声道）。我通过Audacity做了这个分裂。准确率约为80-90％，非常适合我的目的。
然而，一旦我尝试使用ffmpeg（更具体地说：ffmpeg -i input_filename.mp3 -map_channel 0.0.0 left.wav -map_channel 0.0.1 right.wav）自动分割，精度大幅下降。
我现在已经进行了大约一周的试验，但我无法提高准确度。对于它的价值，音频文件听起来与人耳相同。我发现当我增加输出文件的音量时，准确度会变得更好，但是从来没有像使用Audacity进行分割那样好。
我想我想问的是，Audacity的做法有何不同？
这是每个文件的sox -n stat结果：
**用ffmpeg分割（准确度约为20-30％）：**
Samples read: 1690560
Length (seconds): 211.320000
Scaled by: 2147483647.0
Maximum amplitude: 0.433350
Minimum amplitude: -0.475739
Midline amplitude: -0.021194
Mean norm: 0.014808
Mean amplitude: -0.000037
RMS amplitude: 0.028947
Maximum delta: 0.333557
Minimum delta: 0.000000
Mean delta: 0.009001
RMS delta: 0.017949
Rough frequency: 789
Volume adjustment: 2.102
使用Audacity分割:(准确度为80-90％）
Samples read: 1689984
Length (seconds): 211.248000
Scaled by: 2147483647.0
Maximum amplitude: 0.217194
Minimum amplitude: -0.238373
Midline amplitude: -0.010590
Mean norm: 0.007423
Mean amplitude: -0.000018
RMS amplitude: 0.014510
Maximum delta: 0.167175
Minimum delta: 0.000000
Mean delta: 0.004515
RMS delta: 0.008998
Rough frequency: 789
Volume adjustment: 4.195
原创mp3：
Samples read: 3379968
Length (seconds): 211.248000
Scaled by: 2147483647.0
Maximum amplitude: 1.000000
Minimum amplitude: -1.000000
Midline amplitude: -0.000000
Mean norm: 0.014124
Mean amplitude: -0.000030
RMS amplitude: 0.047924
Maximum delta: 1.015332
Minimum delta: 0.000000
Mean delta: 0.027046
RMS delta: 0.067775
Rough frequency: 1800
Volume adjustment: 1.000
对我来说突出的一点是，持续时间并不相同。也是振幅。我可以指示ffmpeg进行拆分时的持续时间是多少？我可以更改所有幅度以匹配大胆文件吗？我不知道如何才能达到80％的准确率，但到目前为止，增加音量似乎是最有希望的解决方案。
非常感谢任何帮助。我不必使用ffmpeg，但它似乎是我唯一的选择，因为Audacity不能编写脚本。