如何使用python将长音频（EX：1小时）文件拆分为多个短长度（5s）音频文件

Posted 2023-02-25

【中文标题】如何使用python将长音频（EX：1小时）文件拆分为多个短长度（5s）音频文件

【英文标题】：How to split long audio (EX:1hour ) file into multiple short length (5s) audio file using python

【发布时间】：2020-08-29 09:08:03

【问题描述】：

我有一些长音频文件。我想使用 python 将此音频文件拆分为多个短长度音频文件。例如：音频长度超过 1 小时，并希望拆分为多个短长度 5s 文件。我想在每 5 秒内提取整个音频文件的特征。

【问题讨论】：

你可以查看下面的链接来获得你想要的。***.com/questions/36632511/…

【参考方案1】：

你的问题有两个问题。

分割音频 提取特征。

它们都具有相同的基本关键信息：采样频率。

音频信号的持续时间（以秒为单位）和用于音频文件的采样频率定义了音频文件具有的样本量。音频样本（简而言之）是硬盘或计算机内存中音频信号的一个值。

对于典型的 wav 文件，音频样本的数量是根据公式 sr * dur 计算的，这里 sr 是以 Hz 为单位的采样频率（例如，44100 用于 CD 质量信号），dur 是音频文件的持续时间（以秒为单位）。例如，2 秒的 CD 音频文件有 44100 * 2 = 88200 个样本。

所以：

要在 Python 中拆分音频文件，您首先必须在变量中读取它。那里有很多库和函数，例如（以随机顺序）：

scipy.io.wavfile.read wave模块

和其他人。您可以查看SO post 了解有关读取 wav 文件的更多信息。

然后，您只需要获取 N 个样本，例如my_audio_1 = whole_audio_file[0:5*sr].

但是！！！

如果您只想每 X 秒提取一次特征，则无需手动拆分音频。大多数音频特征提取库都可以为您完成。

例如，在librosa 中，您可以控制 FFT 点的数量，大致相当于您要从中提取特征的音频的长度。例如，您可以在此处查看：https://librosa.org/doc/latest/feature.html