AI用Alice_split_toolset切割音频的采样率

AI用Alice_split_toolset切割音频的采样率

目录

AI用Alice_split_toolset切割音频的采样率

[一、Sample rate采样率的概念](#一、Sample rate采样率的概念)

二、Alice_split_toolset切割音频的参数

2.1、字符串参数--input_folder输入文件夹路径

2.2、字符串参数--output_folder输出文件夹路径

2.3、字符串参数--sample_rate声音的采样率

2.4、动作参数--mono转化为单声道

2.5、动作参数--use_subtitle_as_name使用字幕所在的.wav文件名作为文件名

三、本期关联技术博文


一、Sample rate采样率的概念

声音的Sample rate(‌采样率)‌是指每秒从连续信号中提取并组成离散信号的采样个数,‌用赫兹(Hz)来表示。‌ 采样率是音频处理中的一个重要参数,‌它直接关系到音频的质量和数据量的大小。‌采样频率的高低决定了音频信号的还原程度,‌即音频的质量。‌采样频率越高,‌音频质量越高 ,‌但同时数据量也会增大 。‌为了保证声音不失真,‌采样频率需要不低于音频信号最高频率的两倍。‌人耳能听到的频率范围大约在20Hz到20kHz之间 ,‌因此为了保证声音质量 ,‌采样频率通常在40kHz以上。‌常见的采样率包括11025Hz、‌22050Hz、‌24000Hz、‌44100Hz和48000Hz等。‌其中,‌44100Hz是理论上的CD音质界限,‌而48000Hz则更加精确一些。

二、Alice_split_toolset切割音频的参数

python 复制代码
if __name__ == "__main__":
    parser = argparse.ArgumentParser(description="Split WAVs based on SRT timings in a folder")
    parser.add_argument("--input_folder", type=str, default="input", help="Path to the input folder containing SRT and WAV files")
    parser.add_argument("--output_folder", type=str, default="output", help="Output folder path")
    parser.add_argument("--sample_rate", type=int, default=44100, help="Sample rate for output WAVs")
    parser.add_argument("--mono", action="store_true", help="Convert to mono")
    parser.add_argument("--use_subtitle_as_name", action="store_true", help="Use subtitle as filename")

2.1、字符串参数--input_folder输入文件夹路径

--input_folder input

请不要带中文,原始.wav文件及其字幕文件.srt所在的目录。

2.2、字符串参数--output_folder输出文件夹路径

--output_folder output

请不要带中文,切割后的.wav文件及其.list列表文件所在的目录。

2.3、字符串参数--sample_rate声音的采样率

--sample_rate 48000

44100Hz是理论上的CD音质界限,也是默认值。

而48000Hz则更加精确,通常被更多的音频输出设备软件,标识为DVD音质界限 。会将原始录制的人声中,人的**"嗓音"**也识别和还原出来。

输出设备:

输入设备:

2.4、动作参数--mono转化为单声道

--mono

默认值。不要混响和声音通道的,纯粹的人声。

2.5、动作参数--use_subtitle_as_name使用字幕所在的.wav文件名作为文件名

--use_subtitle_as_name

默认值。

三、本期关联技术博文

《comfyUI-MuseTalk的参数设置》

《ComfyUI-MuseTalk部署依赖mmcv》
《Win10环境将Docker部署到非系统盘》

相关推荐
小脉传媒GEO5 分钟前
GEO优化数据统计系统DeepAnaX系统详细介绍:您的AI生态数据可视化与智能决策中枢
人工智能·信息可视化
roman_日积跬步-终至千里6 分钟前
【人工智能原理(1)】要点总结:从搜索、学习到推理的智能之路
人工智能·学习
云闲不收7 分钟前
AI编程系列——mcp与skill
人工智能·ai编程
aitoolhub10 分钟前
人脸识别技术:从传统方法到深度学习的演进路径
人工智能·深度学习
Aaron158813 分钟前
RFSOC+VU13P在无线信道模拟中的技术应用分析
数据结构·人工智能·算法·fpga开发·硬件架构·硬件工程·射频工程
高洁0116 分钟前
一文了解图神经网络
人工智能·python·深度学习·机器学习·transformer
数据猿18 分钟前
【金猿CIO展】莱商银行信息科技部总经理张勇:AI Infra与Data Agent驱动金融数据价值新十年
人工智能·金融
verse_armour19 分钟前
【深度学习】Grand Challenge、zenodo、huggingface数据集下载
人工智能·深度学习·huggingface·zenodo·数据集下载
古城小栈23 分钟前
工业互联网:Go + 边缘计算实现设备监控实战
人工智能·golang·边缘计算
极客BIM工作室23 分钟前
大模型参数高效微调:5种主流方法的技术解析
人工智能·机器学习