一些Python与ffmpeg音频处理的实用程序和命令
ffmpeg 切分音频文件
ffmpeg -i 001.wav -ss 0 -t 520 001-slice-1.wav
对音频文件001.wav，从第0秒开始切出520秒，存为001-slice-1.wav
ffmpeg 切分视频文件（关键帧，不重编码，快速但是卡关键帧所以会有不精确）
ffmpeg -ss 00:48:22 -i 录制-22637261-20221214-195102-698-【3D】嘉心糖心中的TOP5是？.mp4 -c copy -t 00:08:51 new.mp4
其中
-ss 00:48:22 表示从这一时间点开始
-t 00:08:51 表示切分的时长有这么长
-i 录制-22637261-20221214-195102-698-【3D】嘉心糖心中的TOP5是？.mp4 是输入视频
new.mp4 表示输出的视频片段文件
ffmpeg精确切分视频（重编码，速度慢但是精确，无视关键帧）
ffmpeg -ss [start] -t [duration] -i [in].mp4 -c:v libx264 -c:a aac -strict experimental -b:a 98k [out].mp4
ffmpeg从mp4中抽取wav音频、Python Spleeter库 人声提取
下载ffmpeg进行音视频分离，安装spleeter库进行人声提取，命令如下：
【音视频分离】ffmpeg -i 001.mp4 -f wav -ar 44100 001.wav
【提取flac格式音乐】ffmpeg -i audio.xxx -c:a flac audio.flac
【aac格式】ffmpeg -i input.mp4 -vn -c:a copy output.aac
或者使用Python执行，更便于编辑和复用：
def get_wav_from_mve(): # 不知道为何，加上-c copy就会全是杂音噪音，去掉就正常了 mp4_path = "E:/BASE-LIVE-RECORD/2022-11/221113D/" # dur 39:05 os.system( "ffmpeg -i " + mp4_path + "录制-22637261-20221113-210944-179-【B限】今天聊点小秘密.flv -ss 00:02:00 -f wav " + mp4_path + "221113d.wav")
【人声提取 / 去除背景声音】
方法1：pip install spleeter，然后
C:\PythonModels> python -m spleeter separate inputwavseparate/230211dsep/inputwav/002-1.wav -o inputwavseparate\230211dsep\wavseparates
方法2：也可以使用最强大的UVR5来提取人声，缺点是软件太大、对显存要求过高，不过功能也更丰富，效果也更极致：
开源仓库：https://github.com/Anjok07/ultimatevocalremovergui
最新发行版本：https://github.com/Anjok07/ultimatevocalremovergui/releases/tag/v5.5.0
音频类型转换
以aac文件到mp3文件为例：ffmpeg -i filenameaac.aac -acodec libmp3lame filenamemp3.mp3
MP3到ogg：ffmpeg -i "Stanton Lanier - Awaken the Dawn(Solo).mp3" -acodec libvorbis -ab 128k AwakentheDawn.ogg
参考博客：
ffmpeg实现视频和音频分离，并且将声音切片：https://blog.csdn.net/wujiesunlirong/article/details/122199917
Win10基于python，spleeter 人声提取工具安装和使用（全网最全，超详细）：https://blog.csdn.net/qq_44976743/article/details/108632618
【干货】混剪/配音必备神器，一键提取/去除人声 | 强大的Spleeter：https://www.bilibili.com/video/BV13p4y1y7vF
librosa
加载音频，查看长度和采样率
import librosa audio_data = 'data/Data_MGTV/angry/audio_1027.wav' x , sr = librosa.load(audio_data) print(x.shape, sr)
音频时长：
import wave
with wave.open(itempath, 'r') as f: params = f.getparams() # print(params) # 帧总数 a = params.nframes # 采样率 f = params.framerate # 音频时长 t = a / f print(" time length: ", t)
更简单的获取音频时长的方法：
import librosa time = librosa.get_duration(filename="raw_data/请检测出果皮/10.wav")
对一条长音频，按照音频停顿时长分割成多条短音频：
def remove_silence(file_path): audio_path = file_path silence_len = 320 sound = AudioSegment.from_file(audio_path, format='wav') # -72且不开，-64成功切了，但是仍然有很多语气音。下次试试更大的分贝来切割 chunks = split_on_silence(sound, min_silence_len=silence_len, silence_thresh=-56, keep_silence=100) if len(chunks) < 60: print("片段太长，切割失败！") return print("切分成功，有"+str(len(chunks))+"条！") chunks_path = audio_path.split('.')[0]+"_chunks/" if not os.path.exists(chunks_path): os.mkdir(chunks_path) for i in range(len(chunks)): new = chunks[i] save_name = chunks_path + '%04d.%s'%(i, 'wav') new.export(save_name, format='wav') print("remove silence end!")
把多条短语音，合成10s以内的长语音：
def merge_short(filename, st_idx): if not os.path.exists(filename+"-output"): os.mkdir(filename+"-output") list_path = os.listdir(filename) #读取文件夹里面的名字 idx = st_idx # dur_sum = 0. tmp_wav = None sr = 0 #list_path返回的是一个列表 通过for循环遍历提取元素 for index in list_path: itempath = os.path.join(filename, index) item_dur = librosa.get_duration(filename=itempath) if item_dur < 9.9: if tmp_wav is None: tmp_wav, sr = librosa.load(itempath) else: if librosa.get_duration(tmp_wav) + librosa.get_duration(filename=itempath) < 9.9: new_wav, _ = librosa.load(itempath) tmp_wav = np.hstack((tmp_wav, new_wav)) else: soundfile.write(filename+"-output/"+("00000"+str(idx))[-6:]+".wav", tmp_wav, sr) idx += 1 tmp_wav, _ = librosa.load(itempath) else: os.rename(itempath, filename+"-output/"+("00000" + str(idx))[-6:] + ".wav") idx += 1 # dur_sum += item_dur # print(index, ':', str(item_dur)) print("merge short end!")
删掉文件夹下所有10s以内的语音：
def delete_short(root_path): filename = root_path+'2_230218d-2_(Vocals)_chunks' #文件地址 list_path = os.listdir(filename) #读取文件夹里面的名字 for index in list_path: #list_path返回的是一个列表 通过for循环遍历提取元素 itempath = os.path.join(filename, index) item_dur = librosa.get_duration(filename=itempath) if item_dur < 9.9: # print(os.path.join(filename, index)) os.remove(os.path.join(filename, index)) print("delete short end!")
把文件夹下的某些文件修改成某一格式：
import os def format_wav_files(): filename = './230211dsep/dataset-230211seps' # 文件地址 list_path = os.listdir(filename) # 读取文件夹里面的名字 st = 346 # 写入开始 for index in list_path: # list_path返回的是一个列表 通过for循环遍历提取元素 if len(index) < 7: # print(index) # name = index.split('.')[0] # split字符串分割的方法 , 分割之后是返回的列表 索引取第一个元素[0] # kid = index.split('.')[-1] # [-1] 取最后一个 path = filename + '/' + index print("old name:", path) new_path = filename + '/' + ("000" + str(st)) + '.' + "wav" print("new name:", new_path) os.rename(path, new_path) # 重新命名 st += 1
把某一文件夹下的所有音频，按照采样率16000读取，并重新存储到另一文件夹下（即批量修改采样率）
import librosa import soundfile # 10000条音频，文件名为00001 - 10000 # 输入一个自然数，返回该形式的文件名 def get_6_name(ind): res = str(ind) while len(res) < 6: res = "0"+res return res if __name__ == '__main__': for i in range(1, 10001): audio_path = "baker_waves-22050/"+get_6_name(i)+".wav" y, sr = librosa.load(audio_path, sr=16000) soundfile.write("baker_waves/"+get_6_name(i)+".wav", y, 16000) if i % 500 == 0: print(i, "waves finished!")
参考：
python librosa 或 ffmpeg 改变音频采样率
https://blog.csdn.net/weixin_44493841/article/details/121287033
【Python】librosa音频处理教程https://blog.csdn.net/fengdu78/article/details/124875505
winsound
字符转转换为摩斯电码及其音频：好玩的Python-摩斯码发报机：https://blog.csdn.net/juzicode00/article/details/106991289。
【python】用Python写一段音乐(winsound)：https://blog.csdn.net/tc9527_/article/details/87653892
对标注好帧号的视频进行批量切分（按时间）
import os import pandas as pd df = pd.read_csv("annotation-time.CSV",'r',delimiter=',') filename = "./" list_path = os.listdir(filename) for index in list_path: #list_path返回的是一个列表 通过for循环遍历提取元素 if index.split('.')[1] == "mp4": input_name = index.split('_')[0] print("-------->>"+input_name) # 表格里面的name列为了方便看被我转成了数值类型 # 因此文件名的id部分也要转为数值 rids = df[df["name"]==int(input_name)].index.tolist() # print(rids) df_item = df.loc[rids] df_item['act_len'] = df_item['act_time'].diff() # print(df_item) for i in range(len(df_item)-1): item = df_item.iloc[i] print("item:", item) if item['act_id'] == -1: continue st = item['act_time'] le = df_item.iloc[i+1]['act_len'] print(input_name, st, le) cut_name = input_name+"_rgb" # print("ffmpeg -hide_banner -ss "+str(st)+" -t "+str(le)+" -i "+cut_name+".mp4 -codec copy "+cut_name+"-0.mp4") os.system("ffmpeg -hide_banner -ss "+str(st)+" -t "+str(le)+" -i "+cut_name+".mp4 -codec copy "+cut_name+"-"+str(i)+".mp4")
对标注好帧号的视频进行批量切分（按帧号）
import os import pandas as pd df = pd.read_csv("annotation.CSV",'r',delimiter=',') filename = "./" list_path = os.listdir(filename) for index in list_path: #list_path返回的是一个列表 通过for循环遍历提取元素 if index.split('.')[1] == "mp4": input_name = index.split('_')[0] print("-------->>"+input_name) # 表格里面的name列为了方便看被我转成了数值类型 # 因此文件名的id部分也要转为数值 rids = df[df["name"]==int(input_name)].index.tolist() # print(rids) df_item = df.loc[rids] cut_name = input_name+"_rgb" for i in range(len(df_item)-1): item = df_item.iloc[i] print("item:", item) if item['act_id'] == -1: continue st = item['time'] en = df_item.iloc[i+1]['time'] print(input_name, st, en) # ffmpeg -i ./input.mp4 -vf "select=between(n\,20\,200)" -y -acodec copy ./output.mp4 print("ffmpeg -i "+cut_name+".mp4 -vf select=between(n\,"+str(st)+"\,"+str(en)+") -y -acodec copy "+cut_name+"-"+str(i)+".mp4") # os.system("ffmpeg -i "+cut_name+".mp4 -vf select=between(n\,"+str(st)+"\,"+str(en)+") -y -acodec copy "+cut_name+"-"+str(i)+".mp4")
