sox 效果：可重新触发的静音

Posted 2023-02-25

【中文标题】sox 效果：可重新触发的静音

【英文标题】：sox effect: retriggerable silence

【发布时间】：2016-05-03 08:14:17

【问题描述】：

要检测我正在使用这个 sox 命令播放的语音：

rec voice.wav silence 1 5 30% 1 0:00:02 30%

它应该在输入音量提高到大约 30% 的阈值时开始录制，并在 2 秒后停止音频低于相同的阈值。

它有效。但是，如果它可以“可重新触发”，那就更好了。我的意思是：在音频低于阈值并且音频再次上升之后，它应该继续注册（即用户仍在说话）。

只有在检测到整整 2 秒的静音时才会停止。 或者你有没有推荐其他的“VOX”工具？

【问题讨论】：

文档说：“对于低于周期，持续时间指定在不再复制音频之前必须存在的一段静默时间。通过指定更高的持续时间，可以在音频。例如，如果您有一首歌曲，预期中间有 1 秒的无声，结尾有 2 秒的无声，则可以使用 2 秒的持续时间跳过中间的无声。所以它应该像我预期的那样工作。

【参考方案1】：

我花了很多时间尝试用 SOX 来做 VOX，并让它工作得相当好。我一直在使用 Audacity 查看生成的波形，并确定了以下 SOX 命令...

rec snd.wav silence 1 .5 2.85% 1 1.0 3.0% vad gain -n  : newfile : restart

这将：

等到它听到超过阈值的活动半秒，然后开始录制（静音 1 .5 2.85%） 当听觉活动降至零并持续一秒钟时停止录制 (... 1 1.0 3.0%) 修剪任何初始静音直到语音检测 (vad) 归一化增益 (gain -n) 将结果存储到新文件中（snd001.wav、snd002.wav） 重启进程

要获得正确的“静音”数字需要大量的反复试验，并且取决于环境噪音以及麦克风的灵敏度。我正在通过 USB 在 Raspberry Pi 上使用 Logitech QuickCam IM 中的麦克风。

在旁注中，这整件事抱怨以下......

rec FAIL formats: can't open input  `default': snd_pcm_open error: No such file or directory

...直到我在环境中创建了这个变量：

export AUDIODEV=hw:1,0

再一次 - 这涉及到对“静音”值的大量实验，并且需要针对您的环境进行一些调整。