Question

当前，我正在使用以下代码将音频文件切成小块：

sound = AudioSegment.from_mp3("1.WAV")
f=open("decoded.txt", "a+")
chunks = split_on_silence(sound,min_silence_len=280,silence_thresh=-33,keep_silence=150)

for i, chunk in enumerate(chunks):
    print(i)
    print("\n")
    chunk.export(folder+"/chunk{0}.wav".format(i), format="wav")
    AUDIO_FILE = path.join(path.dirname(path.realpath(__file__)), folder+"/chunk{0}.wav".format(i))
    r = sr.Recognizer()
    with sr.AudioFile(AUDIO_FILE) as source:
        print("Listening...")
        audio = r.record(source)  # read the entire audio file
        f.write((r.recognize_google(audio) +" "))

f.close();

这会创建根据静音拆分的文件块...但是我想要的是，每当拆分音频时，下一个切片将从2秒后开始，这样可能会切掉的任何单词都会出现。例如，如果沉默在时间10、13、18、22处，那么我的分片应该是0-10、8-13、11-18、16-22。我正在使用pydub根据沉默进行拆分。我可以在pydub中更改某些内容，还是可以使用其他软件包？

Answer 1

由于每个块都是在静默状态下拆分的，因此前2秒将没有数据。
但是，您可以做的是，复制前一个块（n-1）的最后2秒，然后与下一个块（nth）合并，跳过第一个块。

伪代码如下，

n1 + n2 + n3 + ...n #audio chunks that are split on silence
n1 + (<last 2 seconds of n1> + n2) + (<last 2 seconds of n2> + n3) + ...

您也可以使用keep_silence来了解什么值对您的要求有意义。

另一个想法是使用pydub.silence.detect_nonsilent()查找静音范围，并自行决定在哪里分割原始音频。

我将其留给您作为编码练习。

如何基于静音拆分音频文件并在python中重叠最后2秒

1 个答案: