从音频文件中删除相同的音频部分

Question

作为一名收藏家，我从播客服务下载了数千个音频文件。所有提要都以 15 秒的相同介绍开始。这对我来说很烦人，所以我尝试将它们全部裁剪。

但它们都不是规则的。语音演示完全相同，但其中一些......

• ...从 00:00 或 00:05 或我们不知道的任何秒开始
• ...启动时没有介绍

我无法确定应该裁剪哪几秒。

问题：我们如何根据特定的音频剪辑裁剪所有音频文件？

用其他说法“检测相同的部分并删除它”？

Answer 1

据我了解，您已经有办法在特定点裁剪文件。所以问题归结为找出每个剪辑中介绍的结束位置。以下是我的做法：

• 首先，手动将介绍音频隔离在单独的文件/缓冲区中。
• 对于每个剪辑，您需要确定在剪辑中出现介绍音频的位置。通过在介绍音频和主剪辑之间计算cross-correlation 来做到这一点。正确的偏移量将是具有最高相关系数的偏移量。 （您也可以在均值差中寻找最小值，这是等效的。）
• 知道介绍音频的位置后，您就可以计算裁剪位置。

有一些明显的优化：

• 仅在每个剪辑的前（例如）30 秒内搜索介绍音频。
• 不要搜索整个介绍音频，只搜索最后 1/2 秒。
• 如果您不能 100% 确定音频是否存在，则可能需要设置接受阈值。