python3使用pydub切分音頻文件

1.需求描述：編寫python腳本，根據音頻的靜默切分音頻，切分結果保存在音頻同級文件夾res中，由py腳本生成exe應用，交付exe應用。

1.1切分文件

pydub.silence中split_on_silence方法可以根據音頻的靜默切文件，split_on_silence包含5個參數：

• audio_segment,待切分的音頻文件
• min_silence_len，持續多少時間可認定為靜默，默認值1000ms
• silence_thresh，聲音大小小於多少時可認定為靜默，默認值為-16dBFS
• keep_silence，為切分結果前端添加一段靜默音頻，默認值為100ms
• seek_step，兩次切分處理的間隔時間，默認值1ms

音頻切分文件 AudioSegmentation.py 代碼如下：

from pydub import AudioSegment
import pydub
from pydub.silence import split_on_silence
import sys
import os

# 獲取參數
audio_path = sys.argv[1]
min_silence_len = int(sys.argv[2])
silence_thresh = int(sys.argv[3])
# 創建結果保存目錄
folder = os.path.split(audio_path)[0] + "\\res\\"
if not os.path.exists(folder):
    os.mkdir(folder)
audio_type = os.path.splitext(audio_path)[-1][1:]
# 切分文件
audio_segment = AudioSegment.from_file(audio_path, format=audio_type)
list_split_on_silence = pydub.silence.split_on_silence(audio_segment, min_silence_len=min_silence_len,
                                                       silence_thresh=silence_thresh, keep_silence=0)
pydub.silence.split_on_silence()
for i in range(len(list_split_on_silence)):
    new = list_split_on_silence[i]
    save_name = folder+'%04d.%s' % (i, audio_type)
    new.export(save_name, format=audio_type)

1.2生成exe文件

安裝pyinstaller后，cmd使用指令pyinstaller -F AudioSegmentation.py生成exe文件，生成的exe文件在dist文件夾下
exe文件使用指令例子：AudioSegmentation.exe 待切分文件.wav 200 -50

2.需求變更：切分后音頻，需要保留前端的靜默音頻段，最后一個音頻段保留后端靜默音頻段。生成json文件，文件格式如下

{
    "FileName.wav": {
        "StartPosition": 1000,
        "EndPosition": 2000,
        "Duration": 2400
    }
}

• StartPosition，表示非靜默音頻段在切分后的音頻段內的開始位置
• EndPosition，表示非靜默音頻段在切分后的音頻段內的結束位置
• Duration，表示切分后的音頻段的長度

2.1切分音頻

pydub.silence中split_on_silence方法把靜默音頻段作為切分點，不會保留靜默，所有不再使用該方法
pydub.silence中detect_nonsilent方法可以獲取到非靜默音頻，即可知道所有非靜默音頻在原音頻中的開始和結束位置，根據結束位置切分即可
detect_nonsilent相比於split_on_silence少了keep_silence，其余完全相同
音頻切分文件 AudioSegmentation.py 代碼如下：

from pydub import AudioSegment
import pydub
from pydub.silence import split_on_silence
import json
import sys
import os

# 獲取參數
audio_path = sys.argv[1]
min_silence_len = int(sys.argv[2])
silence_thresh = int(sys.argv[3])
# 創建記過保存目錄
folder = os.path.split(audio_path)[0] + "\\res\\"
if not os.path.exists(folder):
    os.mkdir(folder)
audio_type = os.path.splitext(audio_path)[-1][1:]
# 切分文件
audio_segment = AudioSegment.from_file(audio_path, format=audio_type)
not_silence_ranges = pydub.silence.detect_nonsilent(audio_segment, min_silence_len=min_silence_len,
                                                    silence_thresh=silence_thresh, seek_step=1)
last_end_position = 0  # 上個非靜默音頻段結束位置，初始為0
json_dict = {}
for index in range(len(not_silence_ranges)):
    json_dict2 = {}
    current_end_position = round((not_silence_ranges[index][1]))  # 獲取當前非靜默音頻段結束位置
    if index == len(not_silence_ranges)-1:
        new = audio_segment[last_end_position:]
    else:
        new = audio_segment[last_end_position:current_end_position]
    file_name = '%04d.%s' % (index, audio_type)
    save_name = folder+'/'+file_name
    new.export(save_name, format=audio_type)

    last_end_position = current_end_position
    # 獲取非靜默音頻段在當前音頻段的開始位置和結束位置，又調用了一次detect_nonsilent方法有點麻煩，暫時沒想到更好的方法
    new_no_silence = pydub.silence.detect_nonsilent(new, min_silence_len=min_silence_len, silence_thresh=silence_thresh,
                                                    seek_step=1)
    new_start_position = new_no_silence[0][0]
    new_end_position = new_no_silence[0][1]
    json_dict2["StartPosition"] = new_start_position
    json_dict2["EndPosition"] = new_end_position
    json_dict2["Duration"] = int(new.duration_seconds*1000)
    json_dict[file_name] = json_dict2
res = json.dumps(json_dict, indent=4, ensure_ascii=False)
f_res = open(folder+r"\res.json", "w", encoding='utf8')
f_res.write(res)