Python 有什么 [音频比较] 的轮子推荐嘛？

[JCZ2MkKb5S8ZX9pq]

需求

• 以前下了很多视频，袁老师的，道长的，等等。
• 无奈片头片尾贴片广告太多了，音量都暴大，时长有时候又很长，又不规则，连续播放的时候很影响体验。量也很大，几百段，就想批量检测删除之。
• 目前大致思路是先截取几段贴片广告，音频采样，然后找到类似的，确定时间点之后，ffmpeg 截取。
• 但音频处理没啥经验，想问问有相关模块推荐嘛？

[no1xsyzy]

首先，因为有编码肯定是在频域内处理才行
听觉心理学？测算心理音量设阈值作启发
频谱算 corelation ？

[JCZ2MkKb5S8ZX9pq]

@no1xsyzy 不是音量的问题 是内容匹配

[JCZ2MkKb5S8ZX9pq]

@JCZ2MkKb5S8ZX9pq 比如片头会有一段烦人音效，或者片尾推荐几分钟公众号。

[no1xsyzy]

@JCZ2MkKb5S8ZX9pq
> 无奈片头片尾贴片广告太多了，音量都暴大
“音量” 是作为特征而非目标
做成音量启发式，那样的话可以只搜十秒不到，那每秒 30 采样问题也不大。

如果这样效果不好，就是频域内选个四五条线做 corelation，你甚至不需要专门采样比对

[JCZ2MkKb5S8ZX9pq]

@no1xsyzy 可是音量无法作为特征，因为几百段里，也有贴片的音量正常的，或者节目中途又加了其它音效的。情况比较复杂，音量大只是出现在一部分片头上。

[cshlxm]

一段音频用 vad 检测算法，分离出音频段，调用语音转文字接口，转一部分文字出来，分词，做文本相关性分析，把相关系数高的文字对应音频找出来即可

[Ukenn]

@JCZ2MkKb5S8ZX9pq 你好，请问能分享一下你写的么，看了许多完全没有头绪想参考一下，匹配到开始对我来说足够了，由于我项目广告的时间是固定的，我想加上广告时长应该就可以匹配到结尾了