audio - 使用软件或命令行从音频/视频中消除人的声音

Question

我正在寻找一种从视频中消除人声的方法。最初，我有以下几点:

video1.mp4

voice1.mp3

video1有图像，只有没有人声，而voice1只有一个人声。然后我将video1和voice1组合在一起，创建video2.m4，因此在video2中，我既可以听到video1的声音，也可以听到voice1的声音。值得一提的是video1和voice1的长度相同，约为2分钟。

这是一年前。我不小心删除了video1.mp4，但仍然有video2和voice1。现在，我需要再次获取video1.mp4。换句话说， 如何从video2中删除voice1？ 如何从video2消除人的声音？

我不在乎是通过软件，命令行，甚至是计算机代码(也许是Phyton；我听说Python可以用音频做一些很棒的事情)。

注意:StackOverflow( Removal of Human Voice from a video or audio file)中也有类似的问题，但是没有说明如何删除音频。

Answer 1

问题

与其将其视为消除不必要声音的问题，不如将其视为消除两个信号之和。目前，我们要考虑三个音频信号，让我们称之为

A:video1.mp4的音轨

B:voice1.mp3的音频

C:A和B(即C = A + B)之和，现在是video2.mp4

的音轨

我们不再可以访问 A，但是仍然可以使用 B和 C。

理想情况

理想情况假设:

A与B的长度相同

对两个信号求和，无需任何滤波。

解

这种情况下的解决方案相当简单，我们要做的就是将 B乘以 -1的增益值(即反相)，然后将其与信号 C相加。

如果

C = A + B

然后

A = C - B
A = C + (B * -1)

首先考虑到这些信号的总和，我假设您可以使用某些音频/视频编辑软件。要反转 B，可以将文件导入以下内容之一:

Audacity

Garage Band

FFMPEG

Adobe Premier / Audition

Final Cut Pro

任何可以编辑音频的软件也应该能够转换音频信号。对于正在使用中进行即时调整的 DAW，将 C和 B放在同一个项目中可能是理想的。

注意事项

如果更改了B的增益(即C = A + xB)，则解决方案仍然是微不足道的，因为您只需将-B乘以一个系数x

如果B与A的长度不同，则需要正确地将-B与C对齐，以消除信号。

非理想情况

如果您考虑对 B进行了某些处理，则解决方案会涉及更多一点。该过程可以是任何东西，包括滤波(EQ)，延迟，混响，音高变化，速度变化。让我们将此过程称为 H()函数，如果 B是该过程的输入，则为: H(B)。

，即

C = A + H(B)

我们可以在更长的时间内简单地反转 B，我们现在需要首先将完全相同的过程应用于 B，然后反转，因为 H(B)可能不等于 H(-B)。您应该首先以完全相同的方式处理 B，然后最后将其反转。

如果由于某种原因您不记得应用于 B的过程，那么您可能会有些困惑。在这种情况下，您最好的选择是尝试通过错误尝试重新创建流程。除非您完全匹配该过程，否则 H(B)可能会有些残留。