自动搜索并剪切mp3音频文件中的每个语音单词

Question

首先，我将大体上说明我要做什么，并寻求建议。 然后，我将解释我的当前方法并要求我解决当前的问题。

问题

我有一个MP3文件，说英语的人是播客中的一个故事。 我想将其分为与单词大致对应的部分。 （我将手动执行此操作，但是我们正在谈论的是我必须剪切或分离的数据小时）。

如果您有关于如何自动执行此操作的建议，我很想听听。

当前方法

我只能手动剪切Audacity。

Answer 1

好吧，首先，您的问题与MP3或开始使用的编解码器没有任何关系。 要进行任何有意义的处理，您必须将其转换为常规PCM流。 FFmpeg对此非常有用，但还有许多其他MP3工具。

接下来，我建议研究语音识别库。 将其剥离成裸露的组件可能会给您带来单词边界。

这个问题并不像在音频中寻找安静点并进行剪切那样简单。 大多数人在讲话时会持续呼吸并发出声音，并通过关节控制气流和声音的输出。 对于专业人员来说尤其如此。 您将需要知道所讲内容的内容，这就是为什么我认为语音识别库可能是一个不错的起点的原因。