如何使用sox或ffmpeg来检测长音频文件中的静音间隔，并将其替换为零(也称为抑制背景噪声)？

Question

我有一个长的音频文件，是通过连接许多短文件创建的。我希望检测到语音片段之间的沉默(对我而言，仅仅一个阈值就足够了)，并将它们替换为绝对零，这样就没有背景“噪音”了。保留录音的长度对我来说很重要。

我知道sox可以检测到文件开始和结束时的沉默，我可以使用silence、reverse、pad等来删除样本并填充零。是否有办法在文件中的任何地方，而不仅仅是start+end中执行此操作？

UPD:这可能是一种非常复杂的方式来询问是否有用于Linux的语音活动检测工具。

Answer 1

使用sox silence选项：

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

将前面的静音修剪到1秒，并将文件中的间隙减少到半秒。在我的例子中，2%的人忽略噪音地板。0%可能对你有用。

-1告诉sox处理每个实例。