bash - 每次音量为零时，如何使用 ffmpeg 分割 mp4 视频？

Question

我需要将视频拆分为许多较小的视频。
我已经尝试过 PySceneDetect，它的 2 种场景检测方法不适合我的需要。

这个想法是在每次音量非常低时触发场景切换/中断，每次音频电平低于给定参数时。我认为整体 RMS dB 音量水平就是我的意思。

目的是将一个 mp4 视频分割成许多短视频，每个小视频都有简短的对话短语。

到目前为止，我有一个命令可以获取整体 RMS 音频音量级别。

ffprobe -f lavfi -i amovie=01x01TheStrongestMan.mp4,astats=metadata=1:reset=1 -show_entries frame=pkt_pts_time:frame_tags=lavfi.astats.Overall.RMS_level,lavfi.astats.1.RMS_level,lavfi.astats.2.RMS_level -of csv=p=0

如何仅获取 RMS 电平及其相应帧或时间的最小值？

然后我如何使用 ffmpeg 将视频分割成多个视频中对应于最小 RMS 的每一帧？

谢谢。

Answer 1

使用silencedetect音频过滤器并将其调试输出提供给 segment输出格式参数。

这是一个现成的脚本:

#!/bin/bash

IN=$1
OUT=$2

true ${SD_PARAMS:="-55dB:d=0.3"};
true ${MIN_FRAGMENT_DURATION:="20"};
export MIN_FRAGMENT_DURATION

if [ -z "$OUT" ]; then
    echo "Usage: split_by_silence.sh input_media.mp4 output_template_%03d.mkv"
    echo "Depends on FFmpeg, Bash, Awk, Perl 5. Not tested on Mac or Windows."
    echo ""
    echo "Environment variables (with their current values):"
    echo "    SD_PARAMS=$SD_PARAMS       Parameters for FFmpeg's silencedetect filter: noise tolerance and minimal silence duration"
    echo "    MIN_FRAGMENT_DURATION=$MIN_FRAGMENT_DURATION    Minimal fragment duration"
    exit 1
fi

echo "Determining split points..." >& 2

SPLITS=$(
    ffmpeg -nostats -v repeat+info -i "${IN}" -af silencedetect="${SD_PARAMS}" -vn -sn  -f s16le  -y /dev/null \
    |& grep '\[silencedetect.*silence_start:' \
    | awk '{print $5}' \
    | perl -ne '
        our $prev;
        INIT { $prev = 0.0; }
        chomp;
        if (($_ - $prev) >= $ENV{MIN_FRAGMENT_DURATION}) {
            print "$_,";
            $prev = $_;
        }
    ' \
    | sed 's!,$!!'
)


echo "Splitting points are $SPLITS"

ffmpeg -v warning -i "$IN" -c copy -map 0 -f segment -segment_times "$SPLITS" "$OUT"

您指定输入文件、输出文件模板、静音检测参数和最小片段大小，它会写入多个文件。

静音检测参数可能需要调整:

SD_PARAMS环境变量包含两个参数:噪声容忍级别和最小静音持续时间。默认值为 -55dB:d=0.3 .

减少-55dB例如-70dB如果一些微弱的非无声声音在不应该引起吐痰的情况下触发。将其增加到例如-40dB如果由于其中有一些噪音而没有在静音时 split ，则使其不是完全静音。

d=0.3是被视为 split 点的最小静音持续时间。如果只有严重的(例如整个 3 秒)沉默应该被认为是真正的、值得 split 的沉默，则增加它。

另一个环境变量MIN_FRAGMENT_DURATION定义每次拆分后忽略静音事件的时间量。这设置了最小片段持续时间。

如果根本没有检测到静音，脚本将失败。

有一个 refactored version on Github Gist ，但对于一位用户来说存在问题。