我有一段人念的单词音频,单词之间有清晰的间隔,现在需要把音频剪辑为一个一个单词的音频。请问一下 python 怎么实现呢?需要去学习看看什么库?
1
MeteorCat 2019-03-12 12:18:36 +08:00 via Android
一般调下语音识别接口就行了,分出词之后一个词一个词再语音合成保存
|
2
summerwar 2019-03-12 12:46:38 +08:00
pydub
|
3
JCZ2MkKb5S8ZX9pq 2019-03-12 12:53:42 +08:00
只有音频的话,等于是要判断静音(音量小)部分然后剪一刀啊。
剪的话 ffmpeg 应该可以,判断音量就不知道了。 或者直接转文字,然后文本分词再转语音? |
4
JerryV2 2019-03-12 15:41:10 +08:00 1
|
5
omph 2019-03-12 16:05:24 +08:00
[Arctime 教程 - 自动分轴的使用 | Arctime 字幕软件]( http://arctime.org/auto-voice-activity-detection.html)
|
6
jagger2048 2019-03-12 16:19:40 +08:00
@JCZ2MkKb5S8ZX9pq
如果是演播室的录音的话,可以用 VAD 模块,效果比单纯的音量判断会好不少 ,可以参考 https://github.com/Baidu-AIP/speech-vad-demo |