我有一个音频文件。
我有一堆[开始，结束]时间戳段。
我想要实现的目标：假设音频长达 6：00 分钟。
我拥有的段是：[[0.0,4.0]，[8.0,12.0]，[16.0,20.0]，[24.0,28.0]]
在我将这两个传递给 sox + python 后，输出应该是 6 分钟长的音频，但仅在段经过的时间内有音频。
即我想将time stamps和原始音频传递给 SOX + python 这样，就会生成一个音频，除了与传递的片段相对应的部分之外，所有内容都被静音
我无法达到上述目标，但有点接近相反，经过几天的谷歌搜索，我有这个：
更新，更简洁的代码 + 示例：
SOX 命令，采用这样的填充和修剪
SOX__SILENCE = 'sox "{inputaudio}" -c 1 "{outputaudio}" {padding}{trimming}'
用于测试的随机段：
# 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)
输出自 ^：
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"关于"终端的输出运行 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 是我的段，那么 NS 就是其他一切。在^方法中，我正在传递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以便只保留与S对应的部分音频。
PS：我的问题非常具体，我是音频处理的新手，不确定如何进行。 请不要因为太宽泛或其他原因而关闭问题。 我很乐意提供更多细节来澄清。 最后，这不是一个硬件问题。这是针对个人项目。
示例音频 ： https://www.dropbox.com/s/1p27nfwney42ka2/LAZY_SALON_-03-_Hot_Dinners.mp3？dl=0
示例段[[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，音频中的所有内容(提供的片段中的那些部分除外)都应静音。
我能够通过解决方法实现。
请参阅：通过分组从python中的列表列表中创建新列表
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，我传递给袜子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。效果很好。
解决方案仍然是倒置的，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，而不必像我一样重新计算段。
我可能会用zsh脚本和awk来解决这个问题。
如果时间是这样的：
位
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
像这样计算静音位：
awk '{ print $1, $2, $1 - p; p = $2 }' bits
输出：
1.6 8.3 1.6
13.2 33.7 4.9
35.0 38.0 1.3
42.0 51.0 4
70.2 73.7 19.2
90.0 99.2 16.3
123.0 131.1 23.8
您现在可以使用如下所示的内容生成所需的命令行：
args="sox "
m=file.mp3
awk '{ print $1, $2, $1 - p; p = $2 }' bits |
while read s e n; do
args+=""|sox -n -p trim 0 $n" "
args+=""|sox $m -p trim $s =$e remix 1" "
done
args+="out.wav"
echo "$args"
通过管道将其传送到/bin/sh中以执行：
... | sh
sox的输出现在应该在输出.wav。