what's the SOX
SoX 可以讀取和寫入常見格式的音頻文件，並在此過程中選擇性的加入一些聲音效果。可以組合多個輸入源及合成音效，在許多系統上也可以作為音頻播放器或多軌錄音機使用。
SoX 工具在大部分 Linux 系統上都可以直接通過軟件包管理器安裝
sudo apt-get install sox # Linux brew install sox # Mac 系統
SoX 處理音頻的基本流程如下：
Input(s) -> Combiner -> Effects -> Output(s)
SoX 工具的所有功能都可以通過一命令及相應的選項實現。它同時提供了 play 命令用於播放音頻文件，rec 命令用於錄制音頻，以及 soxi 命令用於獲取音頻的文件頭中包含的信息。
上述幾個命令的基本格式如下：
SYNOPSIS sox [global-options] [format-options] infile1 [[format-options] infile2] ... [format-options] outfile [effect [effect-options]] ... play [global-options] [format-options] infile1 [[format-options] infile2] ... [format-options] [effect [effect-options]] ... rec [global-options] [format-options] outfile [effect [effect-options]] ... soxi [-V[level]] [-T] [-t|-r|-c|-s|-d|-D|-b|-B|-p|-e|-a] infile1 ...
基本使用
一、獲取音頻元數據soxi Faded.wav ''' Input File : 'Faded.wav' Channels : 2 Sample Rate : 44100 Precision : 16-bit Duration : 00:03:32.63 = 9376836 samples = 15947 CDDA sectors File Size : 37.5M Bit Rate : 1.41M Sample Encoding: 16-bit Signed Integer PCM '''
soxi 命令支持的所有選項及其含義如下：
soxi Usage: soxi [-V[level]] [-T] [-t|-r|-c|-s|-d|-D|-b|-B|-p|-e|-a] infile1 ''' -t Show detected file-type -r Show sample-rate -c Show number of channels -s Show number of samples (0 if unavailable) -d Show duration in hours, minutes and seconds (0 if unavailable) -D Show duration in seconds (0 if unavailable) -b Show number of bits per sample (0 if not applicable) -B Show the bitrate averaged over the whole file (0 if unavailable) -p Show estimated sample precision in bits -e Show the name of the audio encoding -a Show file comments (annotations) if available With no options, as much information as is available is shown for each given file. '''
soxi 命令跟上某個特定的選項可以只獲取該選項對應的信息，如只顯示某音頻文件 Faded.wav 的比特率（Bit Rate）：
soxi -B Faded.wav # 1.41M
二、獲取音頻的統計信息
使用 sox <inputfile> -n stat 命令獲取某音頻文件的統計信息。示例如下：
sox Faded.wav -n stat ''' Samples read: 18753672 Length (seconds): 212.626667 Scaled by: 2147483647.0 Maximum amplitude: 0.977417 Minimum amplitude: -0.977478 Midline amplitude: -0.000031 Mean norm: 0.229415 Mean amplitude: -0.000006 RMS amplitude: 0.302594 Maximum delta: 1.765564 Minimum delta: 0.000000 Mean delta: 0.202369 RMS delta: 0.273320 Rough frequency: 6339 Volume adjustment: 1.023 '''
三、播放與錄制
play 和 rec 命令提供了最基本的播放和錄制功能。
play existing-file.wav # 播放 rec new-file.wav # 錄制 # 上述命令等同於 sox 命令的如下形式： sox existing-file.wav −d # 播放 sox −d new-file.wav # 錄制 # -d 選項用於指定播放或錄制時使用的音頻設備，不指定時則表示使用默認設備。
播放指定片段
# 播放 foo.wav 文件中 10-15s 之間的音頻片段 play foo.wav trim 10.0 5.0 # play foo.wav trim 10.0 =15.0
四、音頻格式轉換
音頻數據主要有5個屬性
- 采樣率（sample rate）：指聲音由模擬信號轉換成數字信號的過程中，每秒從連續信號中提取的用於組成離散信號的樣本個數。 音頻CD所用的采樣率為 44100 Hz，數字音頻磁帶和許多計算機系統使用 48000 Hz，專業級音頻系統通常使用 96000 Hz。
- 采樣大小（sample size 或 Precision）：音頻采樣時用於存儲每個樣本的數據位數（bits）。如今 16 bit 的采樣大小已被廣泛使用，24 bit 主要用於專業音頻領域。
- 編碼格式（data encoding）：即每個音頻樣本的表示（即“編碼”）方式。常用的編碼類型包括 floating-point、μ-law、ADPCM、singed-integer PCM、MP3 和 FLAC 等。
- 通道（channel）：即文件中包含的音頻通道的數量。其中單聲道（mono）和雙聲道（stereo）是最常見的兩種，“環繞聲”音頻（Surround sound）通常包含六個或更多聲道。
- 比特率（Bit Rate）：表示一個單位時間內編碼音頻信號占用的存儲空間大小， 它的數值一般取決於所有的上述四個參數。
SoX 可以處理 self-describing 和 raw 格式的音頻文件。 self-describing 格式（如 WAV、FLAC、MP3）的文件包含一個用於描述信號和編碼屬性的文件頭，而 raw 或 headless 格式的音頻則不包含這些信息。 所以當 raw 格式的音頻作為輸入文件時，需要在 sox 命令的格式選項里指定其信號和編碼屬性。
常用的音頻格式選項：
| 選項 | 描述 |
|---|---|
| -b, --bits BITS | 每個編碼樣本占用的數據位數 |
| -c, --channels CHANNELS | 音頻文件包含的通道數 |
| -e, --encoding ENCODING | 音頻文件的編碼類型 |
| -r, --rate RATE | 音頻文件的采樣率 |
| -t, --type FILE-TYPE | 音頻文件的文件類型 |
sox Faded.wav Faded.mp3 # 將wav文件轉換成mp3 # 將 Faded.wav 文件轉換成單聲道后輸出 sox Faded.wav -c 1 Faded-mono.wav ##### sox −r 48k −e float −b 32 −c 2 input.raw output.wav
音頻效果
SoX 工具可以在音頻處理的過程中，對輸入的音頻數據應用眾多的效果。
sox --help-effect all | less ''' sox: SoX v Effect usage: allpass frequency width[h|k|q|o] band [-n] center [width[h|k|q|o]] bandpass [-c] frequency width[h|k|q|o] bandreject frequency width[h|k|q|o] bass gain [frequency(100) [width[s|h|k|q|o]](0.5s)] bend [-f frame-rate(25)] [-o over-sample(16)] {start,cents,end} : ''' # 也可以直接查看具體某個音頻效果的使用方法： sox --help-effect echo ''' sox: SoX v Effect usage: echo gain-in gain-out delay decay [ delay decay ... ] '''
一、更改聲道數
sox foo.wav foostereo.wav channels 2 # sox foo.wav -c 2 foostereo.wav
但是上述命令並沒有創建一個“真實”的雙聲道音頻，而是將單聲道音頻復制成完全一致的兩個聲道再合並到輸出文件中。 可以通過 sox 命令的 -M 選項將左右兩個聲道的單聲道音頻合並成一個雙聲道文件
sox -M left.wav right.wav stereo.wav
將雙聲道均一程單聲道
sox original.wav mono.wav channels 1 # sox original.wav -c 1 mono.wav
# 提取雙聲道音頻文件中單個聲道的數據並作為單聲道音頻輸出 sox stereo.wav left.wav remix 1 # 提取左聲道音頻 sox stereo.wav right.wav remix 2 # 提取右聲道音頻 # 融合雙聲道文件中兩個聲道的音頻數據並作為單聲道音頻輸出 sox stereo.wav mono.wav remix 1,2 # 或sox stereo.wav mono.wav remix 1-2
此外，remix 還可以將輸入文件中的多個聲道數據分別進行融合。 如使用 -M 選項將兩個雙聲道音頻合並，再通過 remix 將合並得到的四個聲道兩兩融合，生成一個只包含兩個聲道的輸出文件。
sox -M stereo1.wav stereo2.wav output.wav remix 1,3 2,4
二、改變音量
sox -v 0.5 input.wav output.wav # 音頻放大 0.5 倍 # 以 sox foo.wav -n stat -v 命令返回的數字作為放大倍數，將最大化 foo.wav 的音量而不至於出現削波 sox foo.wav -n stat -v 2> vc sox -v `cat vc` foo.wav foo-maxed.wav sox --norm=-1 <inputfile> <outputfile> # 歸一化音頻響度
三、提取文件的某個部分
trim 接收兩個參數，一個作為裁剪片段的起始位置，另一個作為該片段持續的時間。 可以使用整數+s格式的參數以樣本個數作為計量單位，也可以直接使用 ((hh:)mm:)ss(.fs) 形式的時間參數。當參數為純整數時，單位為秒。
sox Input.wav Half1.wav trim 0 30:00 # 截取輸入文件中前 30 分鍾的音頻 sox Input.wav Half2.wav trim 30:00 30:00 # 截取輸入文件中從第 30 分鍾開始到第 60 分鍾的音頻
四、拼接文件
# 注意合並前的音頻文件需保持一致的類型和采樣率等 sox Half1.wav Half2.wav Full.wav # 將 Half1.wav 和 Half2.wav 合並至 Full.wav 文件
五、合成音頻
sox 命令可以通過 synth 效果合成許多標准波形和噪聲類型。
synth 支持合成的聲音類型包括：sine、square、triangle、sawtooth、trapetz (trapezoidal)、exp (exponential)、whitenoise、pinknoise 和 brownnoise
sox -n sine.wav synth 1.0 sine 1000.0 # 合成頻率為 1000 Hz 長度為 1 秒的正弦波
六、靜音效果
sox 命令可以創建靜音狀態的音頻片段，使用 -n 選項表示沒有輸入，通過 trim 效果指定需要靜音的片段。
# 在 slience.wav 文件中創建一段長度為 250ms 采樣率為 48000Hz 的靜音片段 sox -n -r 48000 silence.wav trim 0.0 0.250
七、混合音頻
sox 命令的 -m 選項可以將兩個音頻文件混合以后生成輸出文件。
與前面的 -M 選項不同，-m 選項傾向於對聲道數據的混合，即兩個單聲道文件通過 -m 混合以后輸出仍是單聲道數據。輸出文件中的單個聲道包含了輸入的兩個聲道的特征。 而 -M 選項更傾向於對音頻文件的合並，默認不對聲道數據進行混合。所以兩個單聲道文件通過 -M 合並以后默認輸出雙聲道音頻。輸出文件中的兩個聲道分別對應於輸入的兩個聲道（數據沒有混合）。除非通過 -c 選項手動指定輸出文件的聲道數量。
# 將 sine100.wav 和 sine250.wav 兩個音頻文件融合以后作為 sine100-250.wav 文件的音頻數據 sox -m sine100.wav sine250.wav sine100-250.wav # 將背景音樂（music.mp3）音量降低一半后與放大 2 倍音量的人聲數據（speech.wav）融合 sox -m -v0.5 music.mp3 -v2 speech.wav presentation.wav # 如果不確定融合效果，可以先通過 play 命令使用相同的參數對結果進行“預覽” play -m -v0.5 music.mp3 -v2 speech.wav
八、改變播放速度
可以通過 stretch 效果改變音頻文件的播放速度，同時不會導致音高的變化。
play Faded.wav stretch 0.5 # 以 2x 倍速播放 Faded.wav 文件 # 也可以通過 speed 效果調節播放速度（相應地音高也會發生變化） play Faded.wav speed 2 # 可以使用 pitch 效果調節音頻片段的音高，以音分（cents）為單位 play Faded.wav pitch 200# 提高 2 個半音的音程（每一個半音的音程等於 100 音分）
參考：https://www.jianshu.com/p/be8977de4a6b