Skip to content

Latest commit

 

History

History
159 lines (115 loc) · 4.25 KB

README_CN.md

File metadata and controls

159 lines (115 loc) · 4.25 KB

音频交错处理器

专业的立体声音频处理工具，支持基于静音检测的智能分段和交叉淡入淡出处理。

功能特性

  • ⏱️ 时间轴排序合并
  • 🎚️ 独立声道处理
  • 🔇 自适应静音检测
  • ✂️ 上下文感知音频分段
  • 🎛️ 原生WAV格式保持
  • ⏳ 处理进度可视化
  • 🧹 自动资源清理

系统要求

  • Python 3.8+
  • FFmpeg 4.3+
  • 存储空间：输入文件大小的3倍（用于临时处理）

安装说明

  1. 克隆仓库：

    git clone https://github.com/Track07-cda/audio-interlace.git
cd audio-interlace

  2. 安装依赖项：

    pip install -r requirements.txt

  3. 验证FFmpeg安装：

    ffmpeg -version

基础用法

命令模板

python audio_interlace.py -i 输入文件.wav -o 输出文件.wav [选项]

示例执行

python audio_interlace.py \
  -i 输入音频.wav \
  -o 处理结果.wav \
  --fade 300 \
  --min-segment 0.8 \
  --min-silence 0.4

格式支持说明

FLAC输出注意事项：

  • 自动处理浮点格式转换（32-bit浮点 → 32-bit整型）
  • 支持原生整型格式（16/24/32-bit）
  • 要求FFmpeg 4.3+ 并启用FLAC编码支持

验证FFmpeg配置：

ffmpeg -encoders | grep flac
# 应显示：FLAC (flac)

处理流程示例

1. 声道分段结果

左声道片段

片段 起始时间 结束时间 时长 原始时间位置
L1 00:00.0 00:12.5 12.5秒 00:00.0-00:12.5
L2 00:15.0 00:25.8 10.8秒 00:15.0-00:25.8
L3 00:28.0 00:38.2 10.2秒 00:28.0-00:38.2

右声道片段

片段 起始时间 结束时间 时长 原始时间位置
R1 00:05.0 00:18.2 13.2秒 00:05.0-00:18.2
R2 00:20.5 00:35.0 14.5秒 00:20.5-00:35.0

2. 时间轴合并结果

顺序 声道 片段 时间范围 全局时间轴位置
1 左声道 L1 00:00-00:12.5 00:00.0-00:12.5
2 右声道 R1 00:05-00:18.2 00:12.5-00:25.7
3 左声道 L2 00:15-00:25.8 00:25.7-00:36.5
4 右声道 R2 00:20.5-00:35.0 00:36.5-00:51.0
5 左声道 L3 00:28-00:38.2 00:51.0-01:01.2

核心特性：

  • 智能时间轴排序：按全局起始时间合并
  • 自动过渡处理：重叠区域添加淡入淡出
  • 跨声道连续性：保留原始时间上下文
  • 总输出时长：121.2秒（组合时间轴长度）

参数参考

选项 默认值 描述
-i/--input 必填 输入WAV文件路径
-o/--output 必填 输出WAV文件路径
--fade 500 淡入淡出时长（毫秒）
--min-segment 1.0 最小有效片段时长（秒）
--min-silence 0.5 静音检测阈值时长（秒）
--noise-level -30 静音噪声阈值（dB）
--temp-dir temp 自定义临时目录路径
--keep-temp False 保留中间处理文件

处理流程

  1. 声道分离

    • 将立体声输入分离为独立单声道
    • 保持原始PCM参数

  2. 自适应分段

    • 检测自然停顿点
    • 应用最小时长限制
    • 生成带时间戳的片段元数据

  3. 全局时间排序

    graph TD
    A[左声道片段] --> C[时间轴排序池]
    B[右声道片段] --> C
    C --> D{时间排序}
    D --> E[创建合并后的时间线]
    E --> F[应用交叉淡化]
    Loading

  4. 最终合成

    • 按时间顺序拼接所有片段
    • 自动处理片段衔接过渡
    • 生成标准WAV输出文件

许可证

MIT 许可证 - 详见 LICENSE

致谢

本项目开发过程中使用了深度求索（DeepSeek-R1）大模型进行技术方案设计和代码优化。
深度求索人工智能研究