我有一个长音频文件，是通过连接许多短文件创建的。我想检测语音片段之间的静音（仅阈值就足以满足我的目的）并用绝对零替换它们，这样就没有背景“噪音”。保留录音的长度对我来说很重要。
我知道 sox 可以检测文件开头和结尾的静音，我可以使用silence、reverse等pad来删除样本并填充零。有没有办法在文件中的任何地方都执行此操作，而不仅仅是开始+结束？
UPD：这可能是一个非常复杂的方法来询问是否有用于 Linux 的语音活动检测工具
答案1
使用 soxsilence选项：
sox [input] [output] silence 1 1 2% -1 0.5 2%
会将文件中前面的静音时间减少到 1 秒，并将间隙减少到半秒。在我的例子中，2% 忽略了本底噪声。 0% 可能适合你。
-1告诉 sox 处理每个实例。