简介
本文介绍了如何利用 Python 脚本处理音频数据。所有代码都可以通过修改文件路径和输出路径直接运行，涵盖了按时间切割、语句停顿切割以及批量处理音频的多种方法。适用于需要高效处理大批量音频数据的场景。
1. 所需环境
本文基于 Linux 环境，并需安装以下依赖：
pydub：
pip3 install pydubffmpeg：
apt install ffmpeg
数据为一个 3 分 50 秒的 WAV 文件！！
2. 按时间切割单个音频
脚本代码：split_wav_time.py
from pydub import AudioSegmentfrom pydub.utils import make_chunksaudio = AudioSegment.from_file("his_one/1.wav", "wav")size = 60000 # 每 60 秒切割一块chunks = make_chunks(audio, size) # 切割为 60 秒一段for i, chunk in enumerate(chunks):chunk_name = f"new-{i}.wav"print(chunk_name)chunk.export(chunk_name, format="wav")
运行命令：
python split_wav_time.py
3. 按语句停顿切割单个音频
脚本代码
from pydub import AudioSegmentfrom pydub.silence import split_on_silencesound = AudioSegment.from_mp3("his_one/1.wav")chunks = split_on_silence(sound,min_silence_len=430, # 沉默时间至少 430mssilence_thresh=-45, # 低于 -45 dBFS 视为沉默keep_silence=400 # 每段开头保留 400ms 沉默)# 丢弃小于 2 秒或大于 10 秒的片段chunks = [chunk for chunk in chunks if 2000 <= len(chunk) <= 10000]for i, chunk in enumerate(chunks):chunk.export(f"cutwav_{i}.wav", format="wav")
4.批量切割文件夹中的音频
4.1 按固定秒数切割（WAV 格式）
from pydub import AudioSegmentfrom pydub.utils import make_chunksimport osfor each in os.listdir("/workspace/tts/PolyLangVITS/history"):if each.endswith(".wav"):audio = AudioSegment.from_file(f"/workspace/tts/PolyLangVITS/history/{each}")chunks = make_chunks(audio, 15000) # 每 15 秒切割for i, chunk in enumerate(chunks):chunk_name = f"{each.split('.')[0]}-{i}.wav"chunk.export(f"/workspace/tts/PolyLangVITS/preprodata/his_out/{chunk_name}", format="wav")
4.2 按固定秒数切割（MP3 格式）
from pydub import AudioSegmentimport osfor each in os.listdir("D:/纯音乐"):if each.endswith(".mp3"):audio = AudioSegment.from_file(f"D:/纯音乐/{each}")chunks = make_chunks(audio, 15000) # 每 15 秒切割for i, chunk in enumerate(chunks):chunk_name = f"{each.split('.')[0]}-{i}.mp3"chunk.export(f"D:/纯音乐分解/{chunk_name}", format="mp3")
4.3 按语句停顿切割（WAV 格式）
from pydub import AudioSegmentfrom pydub.silence import split_on_silenceimport osfor each in os.listdir("/workspace/tts/PolyLangVITS/history"):if each.endswith(".wav"):audio = AudioSegment.from_file(f"/workspace/tts/PolyLangVITS/history/{each}")chunks = split_on_silence(audio,min_silence_len=430,silence_thresh=-45,keep_silence=400)chunks = [chunk for chunk in chunks if 1000 <= len(chunk) <= 10000]for i, chunk in enumerate(chunks):chunk.export(f"/workspace/tts/PolyLangVITS/preprodata/his_out/{each.split('.')[0]}-{i}.wav", format="wav")
5. 扩展
5.1.批量将 PCM 文件转换为 WAV
import waveimport osfor filename in os.listdir("data/"):with open(f"data/{filename}", 'rb') as pcmfile:pcmdata = pcmfile.read()with wave.open(f"data/{filename[:-3]}.wav", 'wb') as wavfile:wavfile.setparams((1, 2, 16000, 0, 'NONE', 'NONE'))wavfile.writeframes(pcmdata)
5.2.使用 Linux 查询文件数量
统计当前文件夹中所有
.wav文件数量：
ls -l | grep "wav" | wc -l5.3.WAV 文件格式详解
WAV 是 Microsoft 的 RIFF 规范子集，用于存储音频文件，包含以下结构：
RIFF WAVE Chunk：描述文件类型
Format Chunk：存储音频格式信息
Data Chunk：存储音频数据
音频文件参数简介：
采样率：每秒采样次数，如 44100Hz
采样值：记录声音振幅，取决于位深（bit depth）
8bit：256 个振幅等级
16bit：65536 个等级（CD 标准）
32bit：超高精度
WAV 文件可以是单声道或立体声，双声道数据会分为左右声道记录。
想要了解更多内容，可在小程序搜索🔍AI Pulse,获取更多最新内容。
