我有一个音频文件。

我有一堆[开始，结束]时间戳段。在

我想要实现的目标：

假设音频长度为6:00分钟。

我有段是：[[0.0,4.0]，[8.0,12.0]，[16.0,20.0]，[24.0,28.0]]

在我把这两个传递给sox+python之后，输出应该是6分钟长的音频，但是只有在片段经过的时间内有音频。在

也就是说，我想把time stamps和原始音频传递给SOX+python

这样就生成了一个音频，除了那些与传递的片段相对应的部分之外，所有内容都被静音

我无法达到上述目标，但有点接近相反的结果，经过几天的谷歌搜索，我得到了这样的结果：

更新、更简洁的代码+示例：

sox命令，像这样进行填充和修剪SOX__SILENCE = 'sox "{inputaudio}" -c 1 "{outputaudio}" {padding}{trimming}'

随机测试段：

^{pr2}$

生成填充和修剪的小python脚本。在

填充：def get_pad_pattern_from_timestamps(my_segments):

padding = 'pad'

for segment in my_segments:

duration = str(segment[1] - segment[0])

padding = padding + ' ' + duration + '@' + str(segment[0])

return padding

​

print get_pad_pattern_from_timestamps(A)

print get_pad_pattern_from_timestamps(b)

print get_pad_pattern_from_timestamps(z)

print get_pad_pattern_from_timestamps(q)

来自^的输出：pad 16.0@0.0

pad 1.0@1.0

pad 6.7@1.6 20.5@13.2 3.0@35.0 9.0@42.0 3.5@70.2 9.2@90.0 8.1@123.0

pad 4.0@0.0 4.0@8.0 4.0@16.0 4.0@24.0 4.0@32.0 4.0@40.0

修剪：def get_trimm_pattern_from_timestamps(my_segments):

trimming = ''

for segment in my_segments:

duration = str(segment[1] - segment[0])

trimming = trimming + ' trim 0 ' + str(segment[0]) + ' 0 ' + duration + ' ' + duration

return trimming

print get_trimm_pattern_from_timestamps(A)

print get_trimm_pattern_from_timestamps(b)

print("\n")

print get_trimm_pattern_from_timestamps(z)

print("\n")

print get_trimm_pattern_from_timestamps(q)

print("\n")

修剪输出：trim 0 0.0 0 16.0 16.0

trim 0 1.0 0 1.0 1.0

trim 0 1.6 0 6.7 6.7 trim 0 13.2 0 20.5 20.5 trim 0 35.0 0 3.0 3.0 trim 0 42.0 0 9.0 9.0 trim 0 70.2 0 3.5 3.5 trim 0 90.0 0 9.2 9.2 trim 0 123.0 0 8.1 8.1

trim 0 0.0 0 4.0 4.0 trim 0 8.0 0 4.0 4.0 trim 0 16.0 0 4.0 4.0 trim 0 24.0 0 4.0 4.0 trim 0 32.0 0 4.0 4.0 trim 0 40.0 0 4.0 4.0

使用来自终端的about输出运行SOX：Padding:

sox dinners.mp3 -c 1 testlongpad.mp3 pad 4.0@0.0 4.0@8.0 4.0@16.0 4.0@24.0

Trimming:

sox dinners.mp3 -c 1 testrim.mp3 trim 0 0.0 0 16.0 16.0

Padd and trimm:

sox dinners.mp3 -c 1 testlongpadtrim.mp3 pad 4.0@0.0 4.0@8.0 4.0@16.0 4.0@24.0 trim 0 0.0 0 4.0 4.0 trim 0 8.0 0 4.0 4.0 trim 0 16.0 0 4.0 4.0 trim 0 24.0 0 4.0 4.0

如果S是我的片段，那么NS就是其他一切。在^方法中，我传递NS，而NS正在从音频中删除。在

我想要实现的仍然是相同的，但方式不同，即我想传递S，这样只保留与{}对应的音频部分。在

附言：我的问题非常具体，我是新的音频处理和不确定如何继续。请不要把问题说得太宽泛或是什么。

我很乐意提供更多的细节来澄清。

最后，这不是一个硬件问题。这是个人项目。在

样本段[[开始，结束]，，]]：[[1.6, 8.3], [13.2, 33.7], [35.0,38.0], [42.0,51.0], [70.2,73.7], [90.0,99.2], [123.0,131.1]]

因此，当这些时间戳通过音频传递给sox/python时，音频中的所有内容(除了提供的片段中的那些部分)都应该被消除。在