python - 如何获得准确的音频时基

Question

我有兴趣使用音频文件来记录发生的事件。也就是说，我将有多个需要及时对齐的数据流，并且我想使用音频文件作为引用。因此，我想知道是否有可能获得音频流的实际时基(相对于实时时钟而言)？
我很高兴可以从采样计数和采样频率(例如16KHz)确定音频剪辑的持续时间。对于短片，这可能是一个不错的估计，但是对于长时间录制(数小时)，此估计的准确性如何？我想在多个小时内保持亚秒级的精度。

换句话说，音频文件是否存储音频录制的实际开始和停止时间(以RTC(实时时钟)为引用)。这样一来，就可以为音频文件中的每个样本生成时基。如果是这样，我可以从python音频库中获取此数据吗？

我正在使用MP4 / AAC在Android平台上进行编码，并使用pydub进行后处理。

谢谢。

Answer 1

我们想出了一个看似不合时宜的答案，但老实说对我们来说效果很好。似乎音频格式规范不允许存储 session 开始和结束的时间码。因此，取而代之的是，我们将按下记录按钮的那一刻的开始时间戳(以毫秒为单位)编码为文件名(“2017-02-13_10-04-27-943”)中的字符串，并记录了音频 session 。然后，当记录停止时，我们捕获另一个时间戳，以毫秒为单位计算时间差，然后在关闭文件后立即在文件名中添加持续时间作为字符串(“Dur123456”)。因此，时间的开始和持续时间以Android手机上的RTC(实时时钟)为引用。然后，我们可以将WAV / PCM时基重新映射到真实的持续时间。事实证明，“16KHz”实际上不是16,000Hz。我们发现10分钟的录音大约有几秒钟的错误。看起来似乎不多，但是对于多个小时的录音来说，它加起来了。谢谢。