难以使用 librosa.effects.trim 命令执行静音消除

Question

我正在尝试做一个项目，在项目的一部分中，我让用户说出一个被记录下来的单词。然后，这个词周围的静音就会被删除，并且有一个按钮可以播放他们的单词，而不会出现静音。我正在使用 librosa 的librosa.effects.trim命令来实现此目的。

例如：

def record_audio():
    global myrecording
    global yt
    playsound(beep1)
    myrecording = sd.rec(int(seconds * fs), samplerate=fs, channels=1)
    sd.wait() 
    playsound(beep2)

    #trimming the audio
    yt, index = librosa.effects.trim(myrecording, top_db=60)

但是，当我播放音频时，我可以看出它没有修剪录音。变量浏览器显示myrecording和 的yt长度相同。当我播放应该是修剪过的音频剪辑时，我也可以听到它。发生这种情况时我也没有收到任何错误消息。有什么方法可以让 librosa 真正剪辑音频吗？我尝试过调整top_db，但没有解决问题。除此之外，我不太确定我可能做错了什么。

Answer 1

要获得真正的答案，您必须发布样本录音，以便我们可以检查到底发生了什么。

相反，我想参考这个 GitHub 问题，其中 librosa 的主要作者之一针对非常相似的问题提供了建议。

本质上：你想要降低top_db门槛并减少frame_length和hop_length。例如：

yt, index = librosa.effects.trim(myrecording, top_db=50, frame_length=256, hop_length=64)

减少hop_length有效地提高了修剪的分辨率。减小top_db使函数不那么敏感，即低水平的噪声也被视为静音。使用计算机麦克风时，您可能会听到相当多的低水平背景噪音。

如果这一切都没有帮助，您可能需要考虑使用 SOX 或其 Python 包装器pysox。它还具有修剪功能。

更新查看音频的波形。它在一开始的某个地方有一个尖峰吗？也许有一些破裂的声音。这将使 librosa 无法正确修剪。也许手动丢弃第一秒（=fs样本）然后修剪可以解决问题：

librosa.effects.trim(myrecording[fs:], top_db=50, frame_length=256, hop_length=64)