Skip to main content
 首页 » 编程设计

python之使用 sox 和 python 根据时间戳列表使音频区域静音

2025年01月19日9www_RR

我有一个音频文件。
我有一堆 [start, end] 时间戳片段。

我想要实现的目标: 假设音频时长为 6:00。
我的段是:[[0.0,4.0]、[8.0,12.0]、[16.0,20.0]、[24.0,28.0]]

我将这两个传递给 sox + python 后,输出应该是 6 分钟长的音频,但只有在片段传递的时间内才有音频。

即我想将时间戳和原始音频传递给 SOX + python 这样就生成了除了与传递的片段相对应的那些部分之外的所有内容都被静音的音频

我无法实现上述目标,但有点接近相反的结果,经过几天的谷歌搜索,我得到了这个:

更新、更简洁的代码 + 示例:
像这样进行填充和修剪的 sox 命令

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

用于测试的随机片段:

# 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]] 

一个用于生成填充和修剪的小 python 脚本。

填充:

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) 

来自 ^ 的输出:

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 

修剪:

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") 

修剪后的输出:

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 about 输出运行 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 是我的分割,那么 NS 就是其他一切。在 ^ 方法中,我传递 NS ,并且 NS 正在从音频中删除。

我想要实现的仍然是相同的,但方式不同,即我想传递 S 以便仅保留与 S 对应的音频部分。

PS:我的问题很具体,我是音频处理的新手,不确定如何进行。请不要因为过于宽泛或其他原因而关闭问题。 我很乐意提供更多详细信息以进行澄清。 最后,这不是硬件问题。这是个人项目。

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

样本段[[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,当这些时间戳与音频一起传递给 sox/python 时,除了提供的片段中的那些部分之外,音频中的所有内容都应该被静音。

请您参考如下方法:

我能够通过变通办法实现。

参见: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,我传递给 sox 的任何内容都会被删除。所以我计算了要删除的区域,然后将其传递给 sox。它运行良好。

解决方案仍然是 inverted ,但我不必更改 sox 中的任何内容。

我不会接受我的回答作为答案。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段。