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

Question

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？

Answer 1

安装SpeechRecognition库，传入音频就可以识别。

https://medium.com/@rahulvais...

Answer 2

假如间隔真的那么清晰，那么就可以定义一个幅度阈值和时间阈值来分割它们，比如幅度连续低于0.001持续xxx毫秒。那么你可以简单地用soundfile库读入音频，然后遍历数据的numpy array就好了。