linux sox录音时间控制,SOX的一些命令和kaldi使用sox音频数据增强

SOX的一些命令和kaldi使用sox音频数据增强

SOX的一些命令和kaldi使用sox音频数据增强

SOX的一些命令和kaldi使用sox音频数据增强

1 SOX win10和linux安装

2 sox命令

2.1 音频基本信息

2.2 音频采样率转换

2.3 wav和pcm互转

2.4 裁剪音频

2.5 提取指定通道数据

2.6 合并两个单通道为一个双通道

2.7 调整语速

2.8 音频串联合并

2.9 获取音频统计信息、调整音量

3 kaldi中使用sox音频数据增强

3.1 音速扰动(sp) utils/data/perturb_data_dir_speed_3way.sh

3.2 音量扰动vp utils/data/perturb_data_dir_volume.sh

3.3 加混响 steps/data/reverberate_data_dir.py

3.4 加性噪声 steps/data/augment_data_dir.py

3.5 kaldi中的wav-reverberate

Reference

如果喜欢FFMPEG命令，请看FFMPEG的一些命令

批量操作音频文件参考5.1 批量输出绝对路径下的所有音频并更名

yum install sox

apt install sox

sox win10下载地址和sox win10介绍

配置环境变量C:\JAVA\sox-14.4.2-win32

C:\JAVA\sox-14.4.2-win32;

C:\ProgramFiles\cmake-3.7.0-win64-x64\bin;

C:\JAVA\ffmpeg-20200504-5767a2e-win64-static\bin;

C:\ProgramFiles\node-v14.0.0-win-x64;

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\bin;

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\libnvvp;

C:\Program Files\Java\jdk1.8.0_121\bin;

C:\Program Files\Java\jdk1.8.0_121\jre\bin;

C:\Python37;

C:\Python37\Scripts;

2.1 音频基本信息

# 下面两个命令都可以，window下只能sox --i

soxi demo.wav

sox --i demo.wav

Input File : 'demo.wav'

Channels : 1

Sample Rate : 16000

Precision : 16-bit

Duration : 00:00:04.88 = 78031 samples ~ 365.77 CDDA sectors

File Size : 156k

Bit Rate : 256k

Sample Encoding: 16-bit Signed Integer PCM

2.2 音频采样率转换

# 将单通道demo.wav音频采用指定编码器将采样率转换为16000的wav

# -c 1 表示单通道 -b表示位宽 -r表示采样率 三个角度可进行修改

sox demo.wav -c 1 -b 16 -r 8000 output.wav

2.3 wav和pcm互转

# 将单通道demo.wav按照16000采样率转换为pcm文件,要求原始就是小尾端字节序、有符号16位比特存储

sox demo.wav -b 16 -e signed-integer --endian little -c 1 -r 16000 -t raw output.pcm

# 将单通道demo.pcm按照16000采样率转换为wav文件,要求原始就是小尾端字节序、有符号16位比特存储

sox -b 16 -e signed-integer --endian little -c 1 -r 16000 -t raw demo.pcm output.wav

2.4 裁剪音频

# 裁剪[0,10]秒区间

sox demo.wav output.wav trim 0 10

2.5 提取指定通道数据

# 提取第2通道的数据，若提取第一通道设remix值为1,output.wav长度和较长的一个一致

sox demo.wav output.wav remix 2

2.6 合并两个单通道为一个双通道

# 将left通道和right通道进行合并为一个独立音频

sox -M demo.left.wav demo.right.wav output.wav

2.7 调整语速

【特别注意】语速调整阈值组好在[0.85,1.25]之间，否则音频质量严重变形

sox demo.wav output.wav speed 0.85

2.8 音频串联合并

这个会将两个音频进行串联合并，最后output.wav音频时长是demo.left.wav和demo.right.wav的时间之和。

sox demo.left.wav demo.right.wav output.wav

2.9 获取音频统计信息、调整音量

查看音量可以最大 调整值【Volume adjustment】

sox demo.wav -n stat

Samples read: 78031

Length (seconds): 4.876938

Scaled by: 2147483647.0

Maximum amplitude: 0.159882

Minimum amplitude: -0.134613

Midline amplitude: 0.012634

Mean norm: 0.016386

Mean amplitude: -0.000025

RMS amplitude: 0.024805

Maximum delta: 0.076752