如何找出一段音频在另一段音频中开始和结束的时间？ [英] How to find what time a part of audio starts and ends in another audio?

问题描述

我有两个音频文件，其中一个句子由两个不同的人朗读(就像唱一首歌一样)。所以它们有不同的长度。他们只是发声，里面没有乐器。

A1：音频文件1
A2：音频文件2
例句："Lorem ipsum door sit amet，."

我知道每个单词以A1开头和结尾的时间。我需要自动找出A2中每个单词的开始和结束时间。(任何语言，最好是Python或C#)

时间以XML格式保存。所以，我可以按单词拆分a1文件。那么，如何在不同时长、不同声音的另一个音频中找到一个词的声音呢？

推荐答案

因此，根据我所读到的内容，您似乎希望使用Dynamic Time Warping (DTW)。当然，我会留给维基百科来解释，但它通常用于识别语音模式，而不会从不同的发音中获得噪音。

遗憾的是，我更精通C、Java和Python。所以我会推荐Python库。

1. fastdtw
2. pydtw
3. mlpy
4. rpy2

通过rpy2，您可以实际使用R的库，并在您的python代码中使用它们的DTW实现。遗憾的是，我找不到任何好的教程，但如果您选择使用R，有一些很好的示例。

如果没用，请告诉我，干杯！

这篇关于如何找出一段音频在另一段音频中开始和结束的时间？的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！