用pyDub剪切长音频文件

Question

我想用pyDub这个工具来处理一个很长的WAV文件，这个文件里包含了单独的单词和它们之间的静音部分。我想把所有的静音去掉，然后把剩下的部分输出成一个个单独的WAV文件。文件名可以用顺序编号，比如001.wav、002.wav、003.wav等等。

在Github页面上有一个叫“Yet another Example?”的例子，它做的事情很相似，不过它不是把每个部分输出成单独的文件，而是把去掉静音的部分重新合并成一个文件：

from pydub import AudioSegment
from pydub.utils import db_to_float

# Let's load up the audio we need...
podcast = AudioSegment.from_mp3("podcast.mp3")
intro = AudioSegment.from_wav("intro.wav")
outro = AudioSegment.from_wav("outro.wav")

# Let's consider anything that is 30 decibels quieter than
# the average volume of the podcast to be silence
average_loudness = podcast.rms
silence_threshold = average_loudness * db_to_float(-30)

# filter out the silence
podcast_parts = (ms for ms in podcast if ms.rms > silence_threshold)

# combine all the chunks back together
podcast = reduce(lambda a, b: a + b, podcast_parts)

# add on the bumpers
podcast = intro + podcast + outro

# save the result
podcast.export("podcast_processed.mp3", format="mp3")

有没有办法把这些podcast_parts的片段输出成单独的WAV文件呢？如果可以的话，应该怎么做？

谢谢！

Answer 1

这个示例代码比较简单，你可能想看看 strip_silence 这个函数：

https://github.com/jiaaro/pydub/blob/2644289067aa05dbb832974ac75cdc91c3ea6911/pydub/effects.py#L98

然后你可以导出每个小片段，而不是把它们合在一起。

这个示例和 strip_silence 函数的主要区别在于，示例是看一毫秒的小片段，这样对低频声音的处理就不太好。比如，一个40赫兹的声音波形长度是25毫秒，所以一毫秒的切片可能会漏掉一些信息。

不过，回答你最初的问题是，原始音频段的所有这些小片段也是音频段，所以你可以直接对它们调用导出方法 :)

更新：你可能想看看我刚刚上传到主分支的 静音工具；特别是 split_on_silence() 这个函数，它可以做到这一点（假设使用正确的参数），像这样：

from pydub import AudioSegment
from pydub.silence import split_on_silence

sound = AudioSegment.from_mp3("my_file.mp3")
chunks = split_on_silence(sound, 
    # must be silent for at least half a second
    min_silence_len=500,

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

你可以像这样导出所有单独的小片段为wav文件：

for i, chunk in enumerate(chunks):
    chunk.export("/path/to/ouput/dir/chunk{0}.wav".format(i), format="wav")

这样输出的每个文件会被命名为 "chunk0.wav"、"chunk1.wav"、"chunk2.wav" 等等。