Como usar o sox ou ffmpeg para detectar intervalos de silêncio em um arquivo de áudio longo e substituí-los por zeros (também conhecido como suprimir ruído de fundo)?

Question

Eu tenho um longo arquivo de áudio que foi criado pela concatenação de muitos arquivos curtos. Eu gostaria de detectar o silêncio entre os segmentos de fala (apenas um limiar é suficiente para os meus propósitos) e substituí-los por zeros absolutos, de modo que não haja "ruído" de fundo. É importante para mim manter a duração da gravação.

Eu sei que o sox pode detectar o silêncio no início e no final de um arquivo e posso usar silence , reverse , pad etc. para remover as amostras e preencher os zeros. Existe uma maneira de fazer isso em todos os lugares no arquivo, não apenas iniciar + terminar?

UPD: esta é provavelmente uma maneira bem complicada de perguntar se existem ferramentas para detecção de atividade de voz no Linux

    

Answer 1

Use a opção sox silence :

sox [input] [output] silence 1 1 2% -1 0.5 2%

reduzirá o silêncio na frente para 1 segundo e reduzirá as lacunas para meio segundo no arquivo. 2% no meu caso ignora o noise floor. 0% pode funcionar para você.

-1 diz ao sox para lidar com cada instância.