如何提取特定声音后的音频？

Question

比方说，我有一些很长的音频文件（例如，广播录音）。我需要从每个文件中提取特定声音（例如，广告开始声音）后5秒钟。每个文件可能包含3-5种这样的声音，所以我应该得到*（3-5）源文件数结果文件。

我发现了librosa和scipy python库，但不确定它们是否可以提供帮助。我应该从什么开始？

Answer 1

您可以从计算信号与特定声音的相关性开始。不知道librosa是否提供此功能。我将从scipy.signal.correlate或scipy.signal.convolve开始。

不确定您的背景。如果需要一些理论，请开始here。

基本上，如果音频与您的特定信号匹配或非常相似，则相关性会很高。确定这些位置后，您可以选择它们周围的区域。