如何在Python中拆分wav文件中的单词？

Question

例如 wav 文件是（“你好吗？”）我想分割 3 个 wav 文件，如（“如何”），（“是”），（“你”）。你能帮我吗？

Answer 1

你可以尝试这个，但是你需要知道每个单词的时间戳，除非你使用机器学习。如果您知道每个单词末尾的时间戳，例如，在 1 之后是 1，在 2 之后是 2，在 2.7 之后是 2.7，请尝试此操作。

from pydub import AudioSegment

stamps = [1,2,2.7] #timestamps at end of each word

originalAudio = AudioSegment.from_wav("audiofile.wav")
start = 0
counter = 1
for current in stamps:
    newAudio = originalAudio[start*1000: current*1000] #in milliseconds 
    newAudio.export(f'{counter}-word.wav', format="wav") 
    counter += 1
    start = current

文件将保存为 1-word.wav、2-word.wav 等。

如果您不知道时间，您可以尝试此代码，它会监听静音或暂停。

from pydub import AudioSegment
from pydub.silence import split_on_silence

sound_file = AudioSegment.from_wav("sentence.wav")
audio_chunks = split_on_silence(sound_file, 
    # must be silent for at least half a second
    # make it shorter if the pause is short, like 100-250ms
    min_silence_len=500,

    # consider it silent if quieter than -16 dBFS
    silence_thresh=16
)

for i, chunk in enumerate(audio_chunks):

    out_file = f"chunk{i}.wav"
    print ("exporting", out_file)
    chunk.export(out_file, format="wav")

然而，听完音频文件后，背景噪音很大，单词之间没有明显的停顿。

然后你说你想将音频翻译成文本，试试这个代码。

首先安装所需的库。

pip3 install SpeechRecognition pydub

然后运行这个，

import speech_recognition as sr
r = sr.Recognizer()

audiofile = 'demo55.wav'

with sr.AudioFile(audiofile) as source:
    # listen for the data (load audio to memory)
    audio_data = r.record(source)
    # recognize (convert from speech to text) tr is code for turkish
    text = r.recognize_google(audio_data, language="tr-tr")
    print(text)

我得到输出，

"Merhaba benim adım Ezgi"

不确定这是否正确，因为我不会说土耳其语，但我听了它，听起来是正确的。