Audio 如何使用ffmpeg缩短音频文件中的静音？

我试图用ffmpeg缩短录音中过多的沉默（缩短他们，而不是完全消除沉默）。我使用的当前代码：

ffmpeg -hide_banner -i file_name.m4a  -af silenceremove=0:0:0:-1:0.7:-30dB file_name_short.m4a

---

它不起作用。它检测到超过0.7秒的静音，并将其完全删除，这不是我想要的。有人知道如何截断静默，比如说，将静默时间从1秒缩短到0.5秒吗？

ffmpeg的消音器移动命令的参数似乎只允许删除超过一定长度的所有静默。这意味着如果你通过了stop_duration=0.5，并且有一个2.2秒长的静默块，那么你将得到0.2秒的静默（2.2-0.5-0.5-0.5-0.5=0.2）

如果您不介意在.wav格式之间来回转换，可以使用我编写的这个Python脚本。它有很多选项，即使是Python，它也使用NumPy，因此它可以在不到一秒钟的时间内处理短文件，并且可以在大约5.7秒内处理2小时长的.wav，这是相当不错的。对于严重的速度，这可以在C++中改写。对于视频，可以使用OpenCV扩展解决方案

优点：

• 可自动确定阈值，攻击性可调
• 可以指定最大静默持续时间
• 可以指定最小非静默持续时间，以避免静默之间出现短暂的间歇
• 可以使用它检测静默时间（更快；1.7秒内处理2小时）
• 避免覆盖文件，除非被告知这样做

它受到所使用模块的限制。渔获物包括：

• 它将整个文件读入内存
• 它只适用于wave文件，不保留元数据。（有关解决方法，请参见下文）
• 它可以处理普通的WAVE标准，除非您没有安装SciPy，在这种情况下，它使用的是Python的WAVE模块，它只适用于16位PCM

在您的情况下的用法：

将m4a转换为wav:

ffmpeg-i myfile.m4a myfile.wav

运行静默移除程序：

python3 trim\u Silence.py--input=myfile.wav

使用元数据转换回：

ffmpeg-i result.wav-i myfile.m4a-map\u metadata 1 myfile\u trimmed.m4a

完整使用说明：

usage: trim_silence.py [-h] --input INPUT [--output OUTPUT] [--threshold THRESHOLD] [--silence-dur SILENCE_DUR] [--non-silence-dur NON_SILENCE_DUR]
                             [--mode MODE] [--auto-threshold] [--auto-aggressiveness AUTO_AGGRESSIVENESS] [--detect-only] [--verbose] [--show-silence] [--time-it]
                             [--overwrite]

optional arguments:
  -h, --help            show this help message and exit
  --input INPUT         (REQUIRED) name of input wav file (default: None)
  --output OUTPUT       name of output wave file (default: result.wav)
  --threshold THRESHOLD
                        silence threshold - can be expressed in dB, e.g. --threshold=-25.5dB (default: -25dB)
  --silence-dur SILENCE_DUR
                        maximum silence duration desired in output (default: 0.5)
  --non-silence-dur NON_SILENCE_DUR
                        minimum non-silence duration between periods of silence of at least --silence-dur length (default: 0.1)
  --mode MODE           silence detection mode - can be 'any' or 'all' (default: all)
  --auto-threshold      automatically determine silence threshold (default: False)
  --auto-aggressiveness AUTO_AGGRESSIVENESS
                        aggressiveness of the auto-threshold algorithm. Integer between [-20,20] (default: 3)
  --detect-only         don't trim, just detect periods of silence (default: False)
  --verbose             print general information to the screen (default: False)
  --show-silence        print locations of silence (always true if --detect-only is used) (default: False)
  --time-it             show steps and time to complete them (default: False)
  --overwrite           overwrite existing output file, if applicable (default: False)

trim_silence.py的内容：

将numpy导入为np
导入argparse
导入时间
导入系统
导入操作系统
def测试模式（模式）：
mode=mode.lower（）
有效的_模式=[“全部”、“任何”]
如果模式不在有效的_模式中：
引发异常（“模式{mode}无效-必须是{valid_modes}之一”）
返回模式
def testaggr（aggr）：
尝试：
累计=最小值（20，最大值（-20，整数（累计）））
返回aggr
除：
引发异常（“自动攻击性“{aggr}”无效-请参阅用法”）
parser=argparse.ArgumentParser（格式化程序\u class=argparse.ArgumentDefaultsHelpFormatter）
parser.add_参数（“--input”，type=str，help=“（必需）输入wav文件的名称”，必需=True）
parser.add_参数（“--output”，default=“result.wav”，type=str，help=“输出波形文件的名称”）
parser.add_参数（“--threshold”，default=“-25dB”，type=str，help=“沉默阈值-可以用dB表示，例如--threshold=-25.5dB”）
add_参数（“--silence dur”，默认值=0.5，type=float，help=“输出中所需的最大静默持续时间”）
parser.add_参数（“--non-silence-dur”，默认值=0.1，type=float，help=“至少为--silence-dur-length的沉默时段之间的最小非沉默持续时间”）
parser.add_参数（“--mode”，default=“all”，type=testmode，help=“静默检测模式-可以是'any'或'all'）
parser.add_参数（“--auto threshold”，action=“store_true”，help=“automatically determinate silent threshold”）
parser.add_参数（“--auto-aggressive”，default=3，type=testaggr，help=“自动阈值算法的攻击性。介于[-20,20]之间的整数”）
parser.add_参数（“--detect only”，action=“store_true”，help=“不修剪，只检测静默期”）
parser.add_参数（“--verbose”，action=“store_true”，help=“将常规信息打印到屏幕上”）
parser.add_参数（“--show silence”，action=“store_true”，help=“打印静默位置（如果使用--detect only，则始终为true）”）
parser.add_参数（“--time it”，action=“store_true”，help=“show steps and time to complete”）
parser.add_参数（“--overwrite”，action=“store_true”，help=“overwrite existing output file，如果适用”）
args=parser.parse_args（）
args.show_silence=args.show_silence或args.detect_only
如果不是args.detect_only而不是args.overwrite：
如果os.path.isfile（args.output）：
打印（f“输出文件（{args.Output}）已存在。请使用--overwrite覆盖现有文件。”）
系统出口（1）
if（args.silence_dur<0）：引发异常（“最大静默持续时间必须大于等于0.0”）
if（args.non_silence_dur<0）：引发异常（“最小非静默持续时间必须大于等于0.0”）
尝试：
从scipy.io导入wavfile
使用_scipy=True
除：
if args.verbose:print（“使用'import scipy.io.wavfile'失败。改用'import wave'”）
输入波
使用_scipy=False
if args.verbose:print（f“输入：\n输入文件：{args.Input}\n输出文件：{args.Output}\n最大静默持续时间：{args.Silence\u dur}\n最小非静默持续时间：{args.Non_Silence\u dur}”）
从matplotlib导入pyplot作为plt
def绘图（x）：
plt.图（）
plt.绘图（x，'o'）
plt.show（）
通道（通道）的def阈值：
全球数据
nbins=100
max_len=min（1024*1024*100，data.shape[0]）#限制到前100个MiB
如果len（数据形状）>1：
x=np.abs（数据[：max_len，ch]*1.0）
其他：
x=np.abs（数据[：最大长度]*1.0）
如果data.dtype==np.uint8:x-=127
历史，边缘=np。直方图（x，箱子=nbins，密度=真）
斜率=np.abs