本文主要是关于语音数据在处理过程中的一些脚本文件以及实例，所有代码只需要更改所需处理的文件路径，输出路径等，全部可运行。
目录
3.1.数据格式：一个文件夹下的长几分多的音频（wav文件）按固定秒数切割
3.2.数据格式：一个文件夹下的长几分多的音频（mp3文件）按固定秒数切割
3.3.数据格式：一个文件夹下的长几分多的音频（wav文件）按语句停顿切割
所需环境
本文环境：Linux
pydub(安装：pip3 install pydub)
ffmpeg(apt install ffmpeg)
方法1：将一整段音频按时间批量切成一个一个音频
数据格式：一个长三分五十秒的音频
# split_wav_time.pyfrom pydub import AudioSegmentfrom pydub.utils import make_chunksaudio = AudioSegment.from_file("his_one/1.wav", "wav")#size = 10000 #切割的毫秒数 10s=10000size = 60000 #切割的毫秒数 60s=60000chunks = make_chunks(audio, size) #将文件切割为60s一个for i, chunk in enumerate(chunks): chunk_name = "new-{0}.wav".format(i) print(chunk_name) chunk.export(chunk_name, format="wav")运行命令：
python split_wav_time.py结果：
方法2：将一整段音频按语句停顿批量切成一个一个音频
数据格式：一个长几分多的音频
利用split_on_silence（sound，min_silence_len, silence_thresh, keep_silence=400）函数
第一个参数为待分割音频，第二个为多少秒“没声”代表沉默，第三个为分贝小于多少dBFS时代表沉默，第四个为为截出的每个音频添加多少ms无声
from pydub import AudioSegmentfrom pydub.silence import split_on_silence sound = AudioSegment.from_mp3("his_one/1.wav")loudness = sound.dBFS#print(loudness) chunks = split_on_silence(sound, # must be silent for at least half a second,沉默半秒 min_silence_len=430, # consider it silent if quieter than -16 dBFS silence_thresh=-45, keep_silence=400 )print('Len:', len(chunks)) # 放弃长度小于2秒的录音片段for i in list(range(len(chunks)))[::-1]: if len(chunks[i]) <= 2000 or len(chunks[i]) >= 10000: chunks.pop(i)print('取有效分段(大于2s小于10s)：', len(chunks)) '''for x in range(0,int(len(sound)/1000)): print(x,sound[x*1000:(x+1)*1000].max_dBFS)''' for i, chunk in enumerate(chunks): chunk.export("cutwav_{0}.wav".format(i), format="wav") #print(i)结果：
方法3：将一个文件夹内的几整段音频批量切成一个一个音频
3.1.数据格式：一个文件夹下的长几分多的音频（wav文件）按固定秒数切割
from pydub import AudioSegmentfrom pydub.utils import make_chunksimport os, re# # 循环目录下所有文件for each in os.listdir("/workspace/tts/PolyLangVITS/history"): #循环目录 filename = re.findall(r"(.*?)\.wav", each) # 取出.wav后缀的文件名 print(each) if each: # filename[0] += '.wav' # print(filename[0]) mp3 = AudioSegment.from_file('/workspace/tts/PolyLangVITS/history/{}'.format(each), "wav") # 打开mp3文件# # # mp3[17*1000+500:].export(filename[0], format="mp3") # size = 15000 # 切割的毫秒数 10s=10000 chunks = make_chunks(mp3, size) # 将文件切割为15s一块 for i, chunk in enumerate(chunks): chunk_name = "{}-{}.wav".format(each.split(".")[0],i) print(chunk_name) chunk.export('/workspace/tts/PolyLangVITS/preprodata/his_out/{}'.format(chunk_name), format="wav") 结果
3.2.数据格式：一个文件夹下的长几分多的音频（mp3文件）按固定秒数切割
from pydub import AudioSegmentfrom pydub.utils import make_chunksimport os, re# ## # 循环目录下所有文件for each in os.listdir("D:/纯音乐"): #循环目录 filename = re.findall(r"(.*?)\.mp3", each) # 取出.mp3后缀的文件名 print(each) if each: # filename[0] += '.wav' # print(filename[0]) mp3 = AudioSegment.from_file('D:/纯音乐/{}'.format(each), "mp3") # 打开mp3文件# # # mp3[17*1000+500:].export(filename[0], format="mp3") # size = 15000 # 切割的毫秒数 10s=10000 chunks = make_chunks(mp3, size) # 将文件切割为15s一块 for i, chunk in enumerate(chunks): chunk_name = "{}-{}.mp3".format(each.split(".")[0],i) print(chunk_name) chunk.export('D:/纯音乐分解/{}'.format(chunk_name), format="mp3")``` 3.3.数据格式：一个文件夹下的长几分多的音频（wav文件）按语句停顿切割
# @ Elena# @ Date : 23.9.4import os, refrom pydub import AudioSegmentfrom pydub.silence import split_on_silence# # 循环目录下所有文件for each in os.listdir("/workspace/tts/PolyLangVITS/history"): filename = re.findall(r"(.*?)\.wav", each) # 取出.wav后缀的文件名 print(each) if each: sound = AudioSegment.from_file('/workspace/tts/PolyLangVITS/history/{}'.format(each), "wav") loudness = sound.dBFS #print(loudness) chunks = split_on_silence(sound, # must be silent for at least half a second,沉默半秒 min_silence_len=430, # consider it silent if quieter than -16 dBFS silence_thresh=-45, keep_silence=400 ) print('Len:', len(chunks)) # 放弃长度小于1秒的录音片段 for i in list(range(len(chunks)))[::-1]: if len(chunks[i]) <= 1000 or len(chunks[i]) >= 10000: chunks.pop(i) print('Len (1s~10s wav file):', len(chunks)) ''' for x in range(0,int(len(sound)/1000)): print(x,sound[x*1000:(x+1)*1000].max_dBFS) ''' for i, chunk in enumerate(chunks): chunk_name = "{}-{}.wav".format(each.split(".")[0],i) chunk.export("/workspace/tts/PolyLangVITS/preprodata/his_out/{}".format(chunk_name), format="wav") #print(i)结果
使用 file 查询 wav
(WAV文件格式是Microsoft的RIFF规范的一个子集，用于存储多媒体文件。WAV(RIFF)文件由若干个Chunk组成，分别为: RIFF WAVE Chunk，Format Chunk，Fact Chunk(可选)，Data Chunk。具体格式如下：)
扩展
将pcm文件批量处理成wav文件
import waveimport os filepath = "data/" # 添加路径filename = os.listdir(filepath) # 得到文件夹下的所有文件名称#f = wave.open(filepath + filename[1], 'rb')#print(filename)for i in range(len(filename)): with open("data/"+failename[i], 'rb') as pcmfile: pcmdata = pcmfile.read() with wave.open("data/"+filename[i][:-3] + '.wav', 'wb') as wavfile: wavfile.setparams((1, 2, 16000, 0, 'NONE', 'NONE')) wavfile.writeframes(pcmdata)Linux下查询文件夹中文件数量的方法
使用ls命令和wc命令
使用ls命令的-l选项和管道操作符|结合wc命令来统计文件数量：
查询当前文件夹下带有“wav”的文件数量
ls -l | grep "wav" | wc -l 
WAV格式文件详解
WAV文件格式是Microsoft的RIFF规范的一个子集，用于存储多媒体文件。WAV(RIFF)文件由若干个Chunk组成，分别为: RIFF WAVE Chunk，Format Chunk，Fact Chunk(可选)，Data Chunk。具体格式如下：
音频文件参数简介
对于形如44100HZ 16bit stereo 或者 22050HZ 8bit mono参数描述的音频文件，其蕴含的文件参数包括：
采样率：声音信号在“模→数”转换过程中单位时间内采样的次数。
采样值（采样精度）：每一次采样周期内声音模拟信号的积分值。
同时，每个采样数据记录的是振幅, 而采样精度取决于储存空间的大小。
对于单声道（mono）文件，采样数据为8位的短整数，同时其采样精度有：
1 字节（8bit） 只能记录 256 个数, 也就是只能将振幅划分成 256 个等级；
2 字节（16bit） 可以细到 65536 个数, 即为 CD 标准；
4 字节（32bit） 能把振幅细分到 4294967296 个等级, 实在是没必要了。
对于双声道立体声（stereo）文件，每次采样数据为一个16位的整数（int），且采样是双份的，也为单声道文件的两倍。采样数据中高八位(左声道)和低八位(右声道)分别代表两个声道。
由于wav格式文件本质上为音频文件，即可根据文件的大小、采样频率和采样大小估算文件的播放长度。
更多可查看Microsoft WAVE soundfile format (sapp.org)
来源地址：https://blog.csdn.net/weixin_44649780/article/details/132672659
