python - 在python中的单词上拆分语音音频文件

Question

我觉得这是一个相当普遍的问题，但我还没有找到合适的答案。我有许多人类语音的音频文件，我想在单词上打断，这可以通过查看波形中的停顿来启发式地完成，但是谁能指出我在 python 中自动执行此操作的函数/库？

Answer 1

更简单的方法是使用 pydub模块。最近添加了silent utilities完成所有繁重的工作，例如设置静音阈值，设置静音长度。等，与提到的其他方法相比，大大简化了代码。

这是一个演示实现，灵感来自 here

设置:

我在文件“a-z.wav”中有一个音频文件，其中包含从 A 到 Z 的英语口语字母。在当前工作目录中创建了一个子目录 splitAudio。执行演示代码后，文件被拆分为 26 个单独的文件，每个音频文件存储每个音节。

观察:部分音节被截断，可能需要修改以下参数，
min_silence_len=500
silence_thresh=-16

人们可能想根据自己的要求调整这些。

演示代码:

from pydub import AudioSegment
from pydub.silence import split_on_silence

sound_file = AudioSegment.from_wav("a-z.wav")
audio_chunks = split_on_silence(sound_file, 
    # must be silent for at least half a second
    min_silence_len=500,

    # consider it silent if quieter than -16 dBFS
    silence_thresh=-16
)

for i, chunk in enumerate(audio_chunks):

    out_file = ".//splitAudio//chunk{0}.wav".format(i)
    print "exporting", out_file
    chunk.export(out_file, format="wav")

输出:

Python 2.7.9 (default, Dec 10 2014, 12:24:55) [MSC v.1500 32 bit (Intel)] on win32
Type "copyright", "credits" or "license()" for more information.
>>> ================================ RESTART ================================
>>> 
exporting .//splitAudio//chunk0.wav
exporting .//splitAudio//chunk1.wav
exporting .//splitAudio//chunk2.wav
exporting .//splitAudio//chunk3.wav
exporting .//splitAudio//chunk4.wav
exporting .//splitAudio//chunk5.wav
exporting .//splitAudio//chunk6.wav
exporting .//splitAudio//chunk7.wav
exporting .//splitAudio//chunk8.wav
exporting .//splitAudio//chunk9.wav
exporting .//splitAudio//chunk10.wav
exporting .//splitAudio//chunk11.wav
exporting .//splitAudio//chunk12.wav
exporting .//splitAudio//chunk13.wav
exporting .//splitAudio//chunk14.wav
exporting .//splitAudio//chunk15.wav
exporting .//splitAudio//chunk16.wav
exporting .//splitAudio//chunk17.wav
exporting .//splitAudio//chunk18.wav
exporting .//splitAudio//chunk19.wav
exporting .//splitAudio//chunk20.wav
exporting .//splitAudio//chunk21.wav
exporting .//splitAudio//chunk22.wav
exporting .//splitAudio//chunk23.wav
exporting .//splitAudio//chunk24.wav
exporting .//splitAudio//chunk25.wav
exporting .//splitAudio//chunk26.wav
>>>