如何在不使用mp3和NAudio重新编码的情况下检测静音和剪切.NET文件

Question

我一直在到处寻找答案，我只能找到一些零碎的东西。我想要做的是加载多个mp3文件(某种程度上暂时合并它们)，然后使用静默检测将它们分割成碎片。

我的理解是，我可以使用Mp3FileReader来处理这个问题，但问题是: 1.如何从mp3文件中读取20秒的音频？我需要读20遍reader.WaveFormat.AverageBytesPerSecond吗？或者继续阅读帧，直到Mp3Frame.SampleCount / Mp3Frame.SampleRate之和超过20秒? 2.我如何实际检测到沉默？我将查看适当数量的连续样本，以检查它们是否都低于某个阈值。但是，我如何访问样本，不管它们是8或16位，单或立体声等？我可以直接解码一个MP3帧吗? 3。在我检测到沉默在例如样本10465，我如何将它映射回mp3帧索引，以执行切割不需要重新编码？

Answer 1

在阅读下面的文章之前，：Mark的答案要容易得多，而且您几乎肯定会对结果感到满意。这个答案是给那些愿意花大量时间在这上面的人。

也就是说，在没有重新编码或完全解码的情况下，基于沉默的MP3文件实际上是有可能的.基本上，您可以查看每个帧的侧信息和每个颗粒的增益& huffman数据来“估计”沉默。

• 找到寂静
• 将沉默前的所有帧复制到一个新文件中。

现在变得棘手..。

• 在沉默后从帧中提取音频数据，跟踪哪个帧头与什么音频数据相匹配。
• 开始编写第二个新文件，但是当您写出帧时，更新main_data_begin字段，以便位存储库与音频数据的实际位置同步。

Answer 2

下面是我推荐的方法(包括重新编码)

1. 使用AudioFileReader直接在Read方法中获取MP3作为浮点样本
2. 找到一个开源的噪声门算法，将其移植到C#，并使用该算法检测静音(即当噪声门关闭时，您将保持沉默。您需要调整阈值和攻击/发布时间)
3. 创建使用噪声门的派生ISampleProvider，并在其Read方法中不返回处于静默状态的样本。
4. 或者:将输出传递到WaveFileWriter以创建WAV文件，并将该WAV文件编码到MP3，或者:使用NAudio.Lame直接编码而不需要WAV步骤。您可能需要首先从SampleProvider返回到16位WAV提供者

Answer 3

MP3是一种压缩音频格式。您不能仅仅删除部分，并期望剩余部分仍然是一个有效的MP3文件。事实上，由于它是一种基于DCT的变换，所以比特是在频域而不是时域。简单地说，样本10465没有位。有一个包含样本10465的帧，并且有一组比特描述该帧中的所有频率。

在样本10465时，普通切割音频，然后继续一些随机的其他样本，可能会导致不连续，这意味着在产生的帧中出现的频率急剧上升。所以这绝对意味着一个完整的重新定位。更好的方法是平稳过渡，但这不是一个简单的操作。当然，结果与输入略有不同，所以它仍然意味着重新编码。

1. 我不明白你为什么要读20秒的音频。那个号码是从哪来的？你通常想看所有的东西。
2. 声音是一种波，完全可以预料它会超过零。所以接近于零并不特别。对于20赫兹波(听觉阈值)，零交叉每秒发生40次，但每次你将有多个样本接近于零。所以你基本上需要多个样本，都接近于零，但都在两边。5 6 7不太适合16位的声音，但它很可能是一个最高值为10000的波的一部分。你真的应该检查至少0.05秒来捕捉那些20赫兹的声音。
3. 因为你在50毫秒的间隔内检测到寂静，你有一个“位置”，大约几百个样本宽。如果运气好的话，那里面有一个框架边界。停在那儿。否则就该重新编码了。