Sox：连接多个音频文件，中间没有间隙

Posted 2023-02-25

【中文标题】Sox：连接多个音频文件，中间没有间隙

【英文标题】：Sox: concatenate multiple audio files without a gap in between

【发布时间】：2014-08-13 08:00:14

【问题描述】：

我正在使用 SoX 连接多个（最多 25 个）音频文件

sox first.mp3 second.mp3 third.mp3 result.mp3

它做了它应该做的；将给定文件连接到一个文件中。但不幸的是，result.mp3 中的这些文件之间有一个小的时间间隔。有没有办法消除这个差距？

我正在创建 first.mp3、second.mp3 等，然后通过合并多个音频（相同的长度/格式/速率）来连接它们：

sox -m drums.mp3 bass.mp3 guitar.mp3 first.mp3

如何检查并确保所有这些文件都没有添加时间间隔？ （合并和连接）

我需要实现所有连接文件的无缝播放（在浏览器中一个接一个播放它们时可以正常播放）。

感谢您的帮助。

编辑：

我正在运行的命令的确切示例（没有真实文件名）现在是：

sox "|sox -m file1.mp3 file2.mp3 file3.mp3 file4.mp3 -p" "|sox -m file1.mp3 file6.mp3 file7.mp3 -p" "|sox -m file5.mp3 file6.mp3 file4.mp3 -p" "|sox -m file0.mp3 file2.mp3 file9.mp3 -p" "|sox -m file1.mp3 file15.mp3 file4.mp3 -p" result.mp3

这会合并文件并将它们直接通过管道连接到连接命令中。生成的 mp3 (result.mp3) 在连接的文件之间有一个非常轻微的延迟。任何想法都非常感谢。

【问题讨论】：

mp3 是一种有损格式，除了可能是最后的编码步骤之外，您不应在任何地方使用它，因为每次转换为 mp3 都会损坏音频。

【参考方案1】：

做到这一点的最好（尽管最无用）的方法是不要将 MP3 文件用作源文件。 WAV、FLAC 或 M4A 文件没有这个问题。

MP3 不是由固定速率的样本组成的，因此裁剪任意长度的部分不会像您预期的那样工作。除非编码器很聪明（如跛脚），否则 MP3 文件音频的开头或结尾通常会出现间隙。我用 0.98 秒长的样本进行了测试（恰好是 73½ CDDA 帧，许多 MP3 编码器使用帧来实现最小样本长度）。然后我用三个不同的 MP3 编码器（lame、sox 和古老的shine）对样本进行编码，然后用三个解码器（lame、sox 和 madplay）解码这些文件。以下是样本长度与原始长度的比较：

 Enc.→Dec.          Length     Samples  CDDA Frames
 -----------------  ---------  -------  -----------
 shine→lame         0.95"      42095    71.5901
 shine→madplay      0.97"      42624    72.4898
 shine→sox          0.97"      42624    72.4898
 lame→lame          0.98"      43218    73.5000
*Original           0.98"      43218    73.5000
 sox→sox            0.99"      43776    74.4490
 sox→lame           1.01"      44399    75.5085
 lame→madplay       1.02"      44928    76.4082
 lame→sox           1.02"      44928    76.4082
 sox→madplay        1.02"      44928    76.4082

只有被 lame 编码和解码的文件的长度相同（主要是因为 lame 插入了一个长度标签来纠正这些太短的样本，并且知道如何解码）。无论我使用什么解码器，所有由 sox 编码的内容都会有一个微小的差距。所以加入文件会产生微小的点击。

您的浏览器可能会非常轻微地混合和重叠源文件，因此您听不到咔嗒声。 Gapless playback 很难做到正确。

【讨论】：

*VBR（可变比特率）MP3 不是由固定速率样本组成的。 CBR MP3 是。尽管许多 MP3 是 VBR（大多数编码器中的默认设置，它可以节省空间），但该断言在功能上是正确的，并且在连接之前确定 MP3 是否为 CBR 需要额外的努力。最好完全避免它们，即使它只是先转码为 WAV。

CBR mp3 可能是固定速率的样本，但除非您小心地在音频帧边界上精确裁剪，否则您仍然会丢失。更糟糕的是，如果裁剪后的 mp3 没有长度标签，解码器就无法判断文件末尾的额外数据是合法的静音还是帧填充。您可以转码为带有间隙/点击的 WAV。

【参考方案2】：

这是我对你的问题的猜测：

sox 在串联期间不会添加时间间隔， 但是，它会在其他操作中增加时间间隔，例如，如果您在连接之前进行转换。

要了解发生了什么，我建议您每次检查文件的所有持续时间（例如，您可以使用 soxi）以了解发生了什么。

如果它不起作用（在连接过程中添加了时间间隔），让我再猜测一下：

Sox 添加时间间隔，因为您在文件开头或结尾的样本不接近于零。

要解决这个问题，您可以在文件上使用非常短的淡入淡出。

此外，要强制 sox 输出具有明确定义长度的文件，您可以像这样使用 trim 参数：

sox filein.mp3 trim 0 duration fileout.mp3

【讨论】：

感谢您的回答。请查看我编辑的问题以及我的命令示例 - 如果它有帮助的话。 （因为您提到了“其他操作”，而我也在使用管道和合并。但没有转换。）

您能否分别检查每个结果的持续时间以查看 sox 何时添加时间间隔？

我使用 'sox result.mp3 -n stat 2>&1' 来查看其中一个合并的文件，看起来长度相同：/

当我检查生成文件的时间时，如果我将它除以合并次数，它会下降到 4.0489797 秒而不是 4.048980 秒，这是我得到的单个文件的结果。你认为这真的会产生如此大的不同吗？

不，我没有。我认为这种差异是听不出来的。但我想增加的时间间隔是可以听到的。您能在 audacity 等软件上听到或看到它们吗？

【参考方案3】：

首先，您需要真正检查文件的开始和结束是否没有静音，我不知道 sox 是否可以做到，但您需要检查开始和结束音频信号的能量（rms，dB）并切断开始并结束静音，要无间隙地加入音频文件，您需要在信号中应用一个窗口函数以像淡入/淡出一样工作，然后交叉淡入淡出一个的开头和另一个的结尾。

sox 提供了一个splice 函数来淡入淡出：

splice [−h|−t|−q]  position[,excess[,leeway]] 
Splice together audio sections. This effect provides two things over simple audio concatenation: a (usually short) cross-fade is applied at the join, and a wave similarity comparison is made to help determine the best place at which to make the join.

检查文档here

【讨论】：

感谢您的回答。我不确定如何在我的情况下使用拼接；这有点复杂。你能为我的情况提供一个例子吗？

你需要测试什么是最适合你的，试试sox first.mp3 second.mp3 third.mp3 result.mp3 splice -q 4,1或sox first.mp3 second.mp3 third.mp3 result.mp3 splice -h 2,1或sox first.mp3 second.mp3 third.mp3 result.mp3 splice -t 2,2，找到最适合你的选择...

这些（当然也尝试过我自己的）都不适合我。无论如何感谢您的努力