如何比较两个或多个音频文件并获取音频不同的时间码？答案

【问题标题】：How to compare two or more audio files and obtain timecodes where the audio is different?如何比较两个或多个音频文件并获取音频不同的时间码？
【发布时间】：2020-10-15 13:08:30
【问题描述】：

我正在研究 python。我有两个音频文件，其中一个是原始的，一个是编辑过的音频（一半是原始的，一半是插入的音频）。

我使用过 inaSpeechSegmenter 和 Speech Recognition 等库。 使用这个我可以找到音频在音乐、语音或没有音频方面是否不同。此外，我还可以使用 inaSpeechSegmenter 首先找到音频不同的时间。但是当音频在多个地方不同时无法找到时间码。

我也没有找到任何可以帮助我解决问题的 API。

需要一些想法和建议。

【问题讨论】：

标签： python audio computer-vision

【解决方案1】：

我将讨论两个音频文件由逐个样本相同或不同的区域组成的情况（例如插入的音频）。无需任何高级信号处理即可识别不匹配区域。

首先您需要将音频文件加载到 python 中。如果您的音频文件是“.wav”文件，您可以使用 python 内置 wave 模块。如果您还需要处理其他类型的音频文件（ogg、flac），一个不错的选择是soundfile，您可以通过pip 安装它（注意它不支持mp3 文件）。

import soundfile
import numpy as np

signal_1, samplerate_1 = soundfile.read("audiofile_1.wav")
signal_2, samplerate_2 = soundfile.read("audiofile_2.wav")

让我们假设samplerate_1 == samplerate_2 和len(signal_1) == len(signal_2)。您可以像这样定位样本差异：

mismatch = (signal_1 != signal_2).astype(np.int)

这是一个与信号大小相同的数组，在信号不同的位置其值为 1，在其他位置为 0。现在，如果您对信号不同的区域感兴趣，您可以使用np.diff 和 np.where 函数：

region_starts = np.where(np.diff(np.r_[0, mismatch, 0]) == 1)[0]
region_ends = np.where(np.diff(np.r_[0, mismatch, 0]) == -1)[0]

为了使开始/结束位置正确，mismatch 用前导和尾随 0 填充（使用 np.r_[]）。现在您可以将每个区域的开始/结束时间配对，然后除以采样率得到时间戳（以秒为单位）：

mismatching_regions = np.column_stack((region_starts, region_ends))
mismatching_regions /= samplerate_1

【讨论】：