Python 如何在wav文件前添加静音

我是python新手。我正在做一个利用音频（WAV）文件的实验。我有100多个不同长度的音频文件。最长的是10秒。但是对于我的实验，我需要所有文件都有相同的长度，即10秒。所以我想在这些文件前面加上几秒钟的沉默，长度不到10秒

---

那么，如何使用python为WAV文件的开头添加静默呢？使用可变静默长度

我编写了一个小脚本，它允许您使用静默预加信号，以获得以秒为单位的目标持续时间。它使用scipy函数读取wav文件

#!/usr/bin/env python

from __future__ import print_function, division
import scipy.io.wavfile as wavf
import numpy as np
from sys import argv

def pad_audio(data, fs, T):
    # Calculate target number of samples
    N_tar = int(fs * T)
    # Calculate number of zero samples to append
    shape = data.shape
    # Create the target shape    
    N_pad = N_tar - shape[0]
    print("Padding with %s seconds of silence" % str(N_pad/fs) )
    shape = (N_pad,) + shape[1:]
    # Stack only if there is something to append    
    if shape[0] > 0:                
        if len(shape) > 1:
            return np.vstack((np.zeros(shape),
                              data))
        else:
            return np.hstack((np.zeros(shape),
                              data))
    else:
        return data

if __name__ == "__main__":
    if len(argv) != 4:
        print("Wrong arguments.")
        print("Use: %s in.wav out.wav target_time_s" % argv[0])
    else:
        in_wav = argv[1]
        out_wav = argv[2]
        T = float(argv[3])        
        # Read the wav file
        fs, in_data = wavf.read(in_wav)
        # Prepend with zeros
        out_data = pad_audio(in_data, fs, T)
        # Save the output file
        wavf.write(out_wav, fs, out_data)

---

如果您想在结尾附加静默，这非常简单

仅在

'r+'

模式下，使用移动到文件末尾，并使用写入必要数量的零帧。 最后，不要忘记保存文件（或用作上下文管理器）

这将更改文件的位置

---

如果你想在开头添加沉默，你必须复制@jojek显示的现有内容（但如果你愿意，你仍然可以使用PySoundFile）。

正如@Same的评论中所指出的，这两种方法都导致了我的质量大幅下降。相反，我最终使用这个包来解决我的问题（对我来说，我准备了一个固定的持续时间，但是你可以围绕上面的用例扩展这个答案）。请注意，可以在上找到更好的文档

---

我认为最好是结束沉默，否则听众必须忍受一段未知的沉默时间，然后才会对实际的声音感到惊讶。无论如何，您可以尝试通过创建/播放一个WAV文件来实现这一点，该文件具有足够的采样率，无论您使用的采样率如何，都可以持续（10-L）秒，其中L是实际音频文件的持续时间。你试过什么？PS有一个名为wave的Python标准库包，您可能会感兴趣。我通过搜索：pythonwav音频找到了它。您尝试过搜索吗？变量T是什么？如所述：

target\u time\s

。在您的情况下是10秒。我运行您的代码，在使用vstack时收到以下错误消息。valueError：除连接轴外，所有输入数组维度必须完全匹配。我认为这是因为零填充的维度和数据是不同的。但我不知道如何修复它。代码现在运行良好。但音频质量下降太多。你甚至不能在这里说一句话。你有什么要说的吗？我不知道，因为我们没有你的信号。与我的信号没有什么不同，只是开始时的数字零。

import sox
tfm = sox.Transformer()
tfm.pad(start_duration=prepend_duration)
tfm.build(in_wav, out_wav)