Python 使用librosa.effects.trim命令执行静音移除时遇到困难

我正在尝试做一个项目，在项目的一部分，我让用户说出一个被记录下来的单词。然后，这个单词周围的沉默被切断，有一个按钮可以在没有沉默的情况下播放他们的单词。我正在使用librosa的

librosa.effects.trim

命令来实现这一点

例如：

def record_audio():
    global myrecording
    global yt
    playsound(beep1)
    myrecording = sd.rec(int(seconds * fs), samplerate=fs, channels=1)
    sd.wait() 
    playsound(beep2)

    #trimming the audio
    yt, index = librosa.effects.trim(myrecording, top_db=60)

---

但是，当我回放音频时，我可以看出它没有对录音进行微调。变量浏览器显示

myrecording

和

yt

的长度相同。我可以听到它，当我播放什么是应该是修剪音频剪辑回来。发生这种情况时，我也没有收到任何错误消息。有没有办法让librosa实际剪辑音频？我尝试过调整

top\u db

，但没有解决问题。除此之外，我不太确定我可能做错了什么。

要得到真正的答案，你必须发布一份样本记录，以便我们能够检查到底发生了什么

取而代之的是，我想提到《librosa》的一位主要作者为一个非常类似的问题提供了建议

本质上：您希望降低

top\u db

阈值，并减少

frame\u length

和

hop\u length

。例如：

yt, index = librosa.effects.trim(myrecording, top_db=50, frame_length=256, hop_length=64)

减少

hop_长度

可以有效提高修剪的分辨率。降低

top_db

会降低功能的灵敏度，即低电平噪声也被视为静音。使用电脑麦克风，你可能会有相当多的低水平背景噪音

如果这一切都无济于事，你可能想考虑使用SOX或它的Python包装器。它还具有修剪功能

更新查看音频波形。它在开始的某个地方有尖峰吗？也许有一些爆裂声。这将阻止librosa正确修剪。也许手动丢弃第一秒（

=fs

示例），然后修剪可以解决问题：

librosa.effects.trim(myrecording[fs:], top_db=50, frame_length=256, hop_length=64)

---

这个解决方案更接近我所寻找的，但仍然不能完全解决它。第一个没有修剪。第二种方法的效果更好，但这主要是因为我知道了第二种方法是什么，然后知道什么时候说话，而用户不知道。我会试试pysox，看看它是如何工作的。现在我想起来了，可能是我电脑上的风扇声音太大了，这可能会干扰修剪