Python 如何把一段英文音频中所念的单词剪辑为一个一个单词的音频

[SimonTart]

我有一段人念的单词音频，单词之间有清晰的间隔，现在需要把音频剪辑为一个一个单词的音频。请问一下 python 怎么实现呢？需要去学习看看什么库？

[MeteorCat]

一般调下语音识别接口就行了，分出词之后一个词一个词再语音合成保存

[summerwar]

pydub

[JCZ2MkKb5S8ZX9pq]

只有音频的话，等于是要判断静音（音量小）部分然后剪一刀啊。
剪的话 ffmpeg 应该可以，判断音量就不知道了。
或者直接转文字，然后文本分词再转语音？

[JerryV2]

@summerwar

2 楼说得对
具体的函数是 split_on_silence

但是效果不一定好，需要自己调整非静音时长，静音分贝数才能得到比较好的效果

[omph]

[Arctime 教程 - 自动分轴的使用 | Arctime 字幕软件]( http://arctime.org/auto-voice-activity-detection.html)

[jagger2048]

@JCZ2MkKb5S8ZX9pq
如果是演播室的录音的话，可以用 VAD 模块，效果比单纯的音量判断会好不少 ，可以参考 https://github.com/Baidu-AIP/speech-vad-demo