ffmpeg silenceremove自动过滤静音部分(语音听写API漏听问题)scilab,octave/matlab响度时间关系图 plotwav db

问题情景

体验某云语音听写（或语音转写、语音识别）API时的，音频文件中出现超过2-3s左右的间隔就停止识别了，漏听了一大段内容。又不想自己手动边听边裁剪，怎么办呢。

ffprobe 23ll.wav语音文件信息：Duration时长有44s

44s怎么可能才说这么点字

ffmpeg查看响度信息

ffmpeg -i 23ll.wav -af volumedetect -f null dummy

好了，用ffmpeg volumedetect滤镜看到了响度(db)的统计信息,最大值,最小值,怎么看到每一时间的响度呢

ffmpeg -i 23ll.wav -filter_complex "showwavespic=s=1024x768:split_channels=1" -frames:v 1 23ll.png

试试showwavespic，这个图没坐标轴，不好看，而且量纲也不知道，再试试scilab,octave/matlab

scilab,octave/matlab 画响度时间图 再根据它用silenceremove

1.octave/matlab代码（maxdb值来自ffmpeg -af volumedetect）

close all;clf
try;pkg load signal;catch;end;
db=@(x)log10(abs(x))*20;  %根据分贝的定义
[y,fs]=audioread('23ll.wav','native');
maxdb=-1.5;  
%//get from  ffmpeg -i 23ll.wav -af volumedetect -f null dummy
y=db(y);y=y+maxdb-max(y);
plot([1:length(y)]/fs,y);xlabel('t (s)');ylabel('y (db)');
saveas(gcf,'23ll.jpg','jpg');
%sound(y,fs); 

时间响度图1（过滤前的原23ll.wav）中间有几个响度低于-40db的沟壑显然没语音

放大来看，16.5~19.5有一段低于-40db的沟壑，估为2.5s吧

于是ffmpeg -i 23ll.wav -af silenceremove=stop_periods=-1:stop_duration=2.5:stop_threshold=-40dB 23lloutput1.wav

duration时长从44s变成了39s左右，喂给API试一下

识别结果长了一点，但是不够39s的，再看看有什么问题

scilab代码（maxdb值来自ffmpeg -af volumedetect）（功能一样写法不同）

function y=db(x);
    y=log10(abs(x))*20;
endfunction;
[y, fs, bits] = wavread('23lloutput1.wav');
maxdb=-1.5;
//get from  ffmpeg -i 23ll.wav -af volumedetect -f null dummy
y=db(y);y=y+maxdb-max(y);
plot([1:length(y)]/fs,y);xlabel('t (s)');ylabel('y (db)');

scilab图 显然还有31s有个小于-40db的沟壑

滚轮放大后拖动画面，有30.5-32.5s长达2s的低于-40db的沟壑

于是再来一遍,stop_duration改成2,ffmpeg -i 23ll.wav -af silenceremove=stop_periods=-1:stop_duration=2:stop_threshold=-40dB 23lloutput2.wav

duration时长又减到了38.25s,喂给API试一下

这次结果很好

再用scilab看看响度/时间关系图

scilab中的代码

完美，太长的间隔都被清除了， 收工