我一直在到处寻找答案，但我只能找到一些零碎的东西。我想要做的是加载多个 mp3 文件（暂时合并它们），然后使用静音检测将它们切成碎片。
我的理解是我可以为此使用 Mp3FileReader，但问题是： 1. 如何从 mp3 文件中读取 20 秒的音频？我需要阅读 20 次 reader.WaveFormat.AverageBytesPerSecond 吗？或者可能继续阅读帧，直到 Mp3Frame.SampleCount / Mp3Frame.SampleRate 的总和超过 20 秒？ 2. 我如何实际检测到静音？我会查看适当数量的连续样本，以检查它们是否都低于某个阈值。但是，无论它们是 8 位还是 16 位、单声道或立体声等，我如何访问这些样本？我可以直接解码 MP3 帧吗？ 3. 检测到样本 10465 的静音后，如何将其映射回 mp3 帧索引以执行剪切而不重新编码？
【问题讨论】：
标签： naudio
这是我推荐的方法（确实涉及重新编码）
AudioFileReader 在 Read 方法中直接将 MP3 作为浮点样本获取ISampleProvider，并且在其Read 方法中，不返回处于静音状态的样本【讨论】：
阅读以下内容之前： Mark 的回答更容易实现，而且您几乎肯定会对结果感到满意。这个答案适合那些愿意在上面花费过多时间的人。
话虽如此，实际上可以在不重新编码或完全解码的情况下基于静音切割 MP3 文件...基本上，您可以查看每个帧的侧面信息和每个颗粒的增益和霍夫曼数据来“估计”沉默。
现在变得棘手了......
【讨论】：
MP3 是一种压缩音频格式。您不能只剪掉一些位，然后期望其余部分仍然是有效的 MP3 文件。事实上，由于它是基于 DCT 的变换，因此比特位在频域而不是时域中。样本 10465 根本没有位。有一个包含样本 10465 的帧，并且有一组描述该帧中所有频率的位。
在样本 10465 处剪切音频并继续使用其他随机样本可能会导致不连续性，这意味着结果帧中存在的频率数量会猛增。所以这绝对意味着一个完整的重新编码。更好的方法是平滑过渡，但这不是一个简单的操作。结果当然与输入略有不同，所以它仍然意味着重新编码。
我不明白你为什么要阅读 20 秒的音频。这个数字是从哪里来的？您通常想阅读所有内容。
声音是波；完全可以预期它会过零。所以接近零并不特别。对于 20 Hz 波（听力阈值），过零每秒发生 40 次，但每次您将有多个接近零的样本。所以你基本上需要多个样本，它们都接近于零，但在两边。 5 6 7 对于 16 位声音来说并不多，但它很可能是最大为 10000 的波形的一部分。您确实应该检查至少 0.05 秒才能捕捉到那些 20 Hz 的声音。
由于您在 50 毫秒间隔内检测到静默，因此您的“位置”大约有数百个样本宽。运气好的话，那里有一个框架边界。剪在那里。否则是时候重新编码了。
【讨论】：