根據帶有 sox 或 ffmpeg 的文本文件中的時間戳將音頻分成幾部分

我查看了以下連結：使用開始和停止時間修剪音頻文件

但這並不能完全回答我的問題。我的問題是：我有一個音頻文件，例如abc.mp3or abc.wav。我還有一個包含開始和結束時間戳的文本文件：

0.0 1.0 silence  
1.0 5.0 music  
6.0 8.0 speech    

sox我想使用 Python 和/將音頻分成三個部分ffmpeg，從而產生三個單獨的音頻文件。

我如何使用soxor來實現這一點ffmpeg？

稍後我想使用librosa.

我有Python 2.7、ffmpeg和soxUbuntu Linux 16.04 安裝。

我只是快速入門，測試方式很少，所以也許會有所幫助。下面依賴於ffmpeg-python，但subprocess無論如何編寫都不是挑戰。

目前，時間輸入文件僅被視為時間對，開始和結束，然後是輸出名稱。缺少的名稱被替換為linecount.wav

import ffmpeg
from sys import argv

""" split_wav `audio file` `time listing`

   `audio file` is any file known by local FFmpeg
   `time listing` is a file containing multiple lines of format:
       `start time` `end time` output name 

   times can be either MM:SS or S*
"""

_in_file = argv[1]

def make_time(elem):
   # allow user to enter times on CLI
   t = elem.split(':')
   try:
       # will fail if no ':' in time, otherwise add together for total seconds
       return int(t[0]) * 60 + float(t[1])
   except IndexError:
       return float(t[0])

def collect_from_file():
   """user can save times in a file, with start and end time on a line"""

   time_pairs = []
   with open(argv[2]) as in_times:
       for l, line in enumerate(in_times):
           tp = line.split()
           tp[0] = make_time(tp[0])
           tp[1] = make_time(tp[1]) - tp[0]
           # if no name given, append line count
           if len(tp) < 3:
               tp.append(str(l) + '.wav')
           time_pairs.append(tp)
   return time_pairs

def main():
   for i, tp in enumerate(collect_from_file()):
       # open a file, from `ss`, for duration `t`
       stream = ffmpeg.input(_in_file, ss=tp[0], t=tp[1])
       # output to named file
       stream = ffmpeg.output(stream, tp[2])
       # this was to make trial and error easier
       stream = ffmpeg.overwrite_output(stream)

       # and actually run
       ffmpeg.run(stream)

if __name__ == '__main__':
   main()

引用自：https://unix.stackexchange.com/questions/420820