我希望FFmpeg在检测到低于阈值的静音时，停止录制麦克风。

Question

我试着做一个实时的演讲到文字抄写脚本。下面的脚本适用于录制的wav文件。

 from asrecognition import ASREngine
 asr = ASREngine("tr", model_path="mpoyraz/wav2vec2-xls-r-300m-cv6-turkish")
 audio_paths = ["prerecorded.wav"]
 transcriptions = asr.transcribe(audio_paths)
 print(transcriptions)

但是我想用麦克风捕捉声音，当检测到一段时间的静音时，

录音必须停止，它将被管道到语音识别引擎进行转录。然后从麦克风录音必须重新启动。

我以为FFmpeg能做到，但怎么做到的呢？

Answer 1

您可以通过脉冲音频和ffmpeg的组合来实现这一点：

**基于python pulsectl lib **的代码

脉冲= pulsectl.Pulse("Test1")

1. 只有在存在接收器(例如麦克风) pulse.sink_input_list -which时，才能检索->pulseSinkInputInfoList。=pulse.sink_info(pulseSinkInputInfoList0.sink).monitor_source_name pulseSinkInputInfoList = pulse.sink_input_list() monName pulse.source_list= pulse.source_list()表示pulseSourceInfo : if pulseSourceInfo.name==monName: while : mos=pulseSourceInfo.index peak= pulse.get_peak_sample(mos，0.2)如果峰值> 0:执行fmpeg -f脉冲-i alsa_input.pci-0000_00_1b.0模拟立体声-ac 1 recording.m4a

这是一个堆栈溢出主题，因此我保持简短--只是为了给您一个要点。基本的想法是，使用脉冲音频检测到“峰值”线上的一些静音(或相反的)。然后可以执行ffmpeg命令来记录片段。据我所知，你最终会得到一堆短片，之后你可以使用ffmepg的concat协议加入/接受。

关于ffmpegs、脉冲协议和concat协议的信息

在python中可以找到该协议的这里实现。