我有一个音频文件。
我有一堆[开始，结束]时间戳片段。

我想实现的目标： 说音频长6:00分钟。
我拥有的细分是：[[0.0,4.0]，[8.0,12.0]，[16.0,20.0]，[24.0,28.0]]

在将这两个参数传递给sox + python之后，输出应该是6分钟长的音频，但仅在分段传递的时间内才具有音频。

即我想将time stamps原始音频传递给SOX + python，以便生成除所有与传递的段相对应的部分之外的所有其他部分均被静音的音频

经过数天的谷歌搜索后，我没有达到上面的目标，但有点相反了：

更新，更简洁的代码+示例：像
sox这样的命令需要填充和修剪

SOX__SILENCE = 'sox "{inputaudio}" -c 1 "{outputaudio}" {padding}{trimming}'

测试的随机细分：

# random segments:
A= [[0.0,16.0]]
b=[[1.0,2.0]]
z= [[1.6, 8.3], [13.2, 33.7], [35.0,38.0], [42.0,51.0], [70.2,73.7], [90.0,99.2], [123.0,131.1]]
q= [[0.0,4.0], [8.0,12.0], [16.0,20.0], [24.0,28.0]]

一个小的python脚本，用于生成填充和修剪。

填充：

def get_pad_pattern_from_timestamps(my_segments):
        padding = 'pad'
        for segment in my_segments:
            duration = str(segment[1] - segment[0])
            padding = padding + ' ' + duration + '@' + str(segment[0])
        return padding
​
print get_pad_pattern_from_timestamps(A)
print get_pad_pattern_from_timestamps(b)
print get_pad_pattern_from_timestamps(z)
print get_pad_pattern_from_timestamps(q)

从^输出：

pad 16.0@0.0
pad 1.0@1.0
pad 6.7@1.6 20.5@13.2 3.0@35.0 9.0@42.0 3.5@70.2 9.2@90.0 8.1@123.0
pad 4.0@0.0 4.0@8.0 4.0@16.0 4.0@24.0 4.0@32.0 4.0@40.0

修剪：

def get_trimm_pattern_from_timestamps(my_segments):
        trimming = ''
        for segment in my_segments:
            duration = str(segment[1] - segment[0])
            trimming = trimming + ' trim 0 ' + str(segment[0]) + ' 0 ' + duration + ' ' + duration
        return trimming

print get_trimm_pattern_from_timestamps(A)
print get_trimm_pattern_from_timestamps(b)
print("\n")
print get_trimm_pattern_from_timestamps(z)
print("\n")
print get_trimm_pattern_from_timestamps(q)
print("\n")

修剪输出：

trim 0 0.0 0 16.0 16.0
 trim 0 1.0 0 1.0 1.0


 trim 0 1.6 0 6.7 6.7 trim 0 13.2 0 20.5 20.5 trim 0 35.0 0 3.0 3.0 trim 0 42.0 0 9.0 9.0 trim 0 70.2 0 3.5 3.5 trim 0 90.0 0 9.2 9.2 trim 0 123.0 0 8.1 8.1


 trim 0 0.0 0 4.0 4.0 trim 0 8.0 0 4.0 4.0 trim 0 16.0 0 4.0 4.0 trim 0 24.0 0 4.0 4.0 trim 0 32.0 0 4.0 4.0 trim 0 40.0 0 4.0 4.0

使用来自终端的about输出来运行SOX：

Padding:

    sox dinners.mp3 -c 1 testlongpad.mp3 pad 4.0@0.0 4.0@8.0 4.0@16.0 4.0@24.0

Trimming:

    sox dinners.mp3 -c 1 testrim.mp3 trim 0 0.0 0 16.0 16.0

Padd and trimm:

    sox dinners.mp3 -c 1 testlongpadtrim.mp3 pad 4.0@0.0 4.0@8.0 4.0@16.0 4.0@24.0 trim 0 0.0 0 4.0 4.0 trim 0 8.0 0 4.0 4.0 trim 0 16.0 0 4.0 4.0 trim 0 24.0 0 4.0 4.0

如果S是我的细分市场，那么NS就是其他一切。在^方法中，我通过了NS，并且NS从音频中删除了。

我想要达到的目标仍然相同，但是方式不同，即我要通过，S以便仅S 保留与之对应的音频部分。

PS：我的问题非常具体，我是音频处理的新手，不确定如何进行。请不要以太宽泛之类来结束问题。我很乐意提供更多细节以进行澄清。最后，这不是硬件问题。这是一个个人项目。

音频样本：https

//www.dropbox.com/s/1p27nfwney42ka2/LAZY_SALON_-
03
-_Hot_Dinners.mp3？dl =
0
__

样本句段[[start，end]，[，]]： [[1.6, 8.3], [13.2, 33.7], [35.0,38.0], [42.0,51.0], [70.2,73.7], [90.0,99.2], [123.0,131.1]]

因此，当这些时间戳与音频一起传递给sox / python时，音频中除提供的段中的那些部分以外的所有内容都应被静音。