SoX：音频处理领域的“瑞士军刀”

1. 什么是 SoX

在 Linux / VoIP / ASR（语音识别）领域，提到命令行音频工具，很多人第一反应就是：

ffmpeg
lame
audacity

但对于真正长期做语音系统、电话系统、ASR 测试的人来说，

SoX 才是那个最稳定、最轻量、最容易自动化的工具。

SoX 全称：

Sound eXchange

官方网站：

SoX Official Website

它是一个经典的跨平台命令行音频处理工具，支持：

WAV
MP3
GSM
FLAC
OGG
RAW
μ-law
A-law

等大量音频格式。

在：

FreeSWITCH
OpenSIPS
Asterisk
UniMRCP
ASR/TTS
SIP IVR
呼叫中心

等领域中极其常见。

2. 为什么 VoIP 工程师离不开 SoX

对于普通音频编辑，

图形界面软件已经够用了。

但在服务器环境中：

没有 GUI
需要批量处理
需要自动化
需要脚本化

这时：

SoX 的优势就非常明显。

它特别适合：

自动转换采样率
生成测试音频
批量转码
音量归一化
去噪
拼接音频
电话语音格式转换

3. 安装 SoX

3.1 Ubuntu / Debian

bash 复制代码

sudo apt install sox

安装常见格式支持：

bash 复制代码

sudo apt install sox libsox-fmt-all

3.2 CentOS / RHEL

bash 复制代码

sudo yum install sox

4. 查看音频信息

这是最常用的命令之一：

bash 复制代码

soxi test.wav

输出示例：

复制代码

Input File     : 'test.wav'
Channels       : 1
Sample Rate    : 8000
Precision      : 16-bit
Duration       : 00:00:05.00
File Size      : 80.0k
Bit Rate       : 128k
Sample Encoding: 16-bit Signed Integer PCM

在 VoIP 中非常重要：

因为很多 ASR 平台要求：

8000Hz
mono
PCM16

如果格式不对：

ASR 往往直接失败。

5. 音频格式转换

5.1 WAV 转 8k 电话语音

bash 复制代码

sox input.wav -r 8000 -c 1 output.wav

参数说明：

-r 8000

设置采样率为 8000Hz
-c 1

设置单声道

这是：

SIP / PSTN / ASR 最经典格式。

5.2 转换为 μ-law

很多 SIP 系统使用：

PCMU
G.711 μ-law

转换命令：

bash 复制代码

sox input.wav -r 8000 -c 1 -t ul output.ul

6. 调整音量

6.1 放大音频

bash 复制代码

sox input.wav output.wav gain 5

表示：

增加 5dB

6.2 降低音量

bash 复制代码

sox input.wav output.wav gain -5

7. 生成静音

在 IVR 测试中很常见：

bash 复制代码

sox -n -r 8000 -c 1 silence.wav trim 0.0 3.0

生成：

3 秒静音文件

8. 拼接多个音频

例如：

bash 复制代码

sox part1.wav part2.wav output.wav

可用于：

IVR 菜单拼接
自动化测试语音
TTS 合成后处理

9. 截取音频片段

9.1 从第 2 秒开始截取 5 秒

bash 复制代码

sox input.wav output.wav trim 2 5

10. 生成测试音

10.1 生成 1kHz 测试音

bash 复制代码

sox -n test.wav synth 5 sine 1000

作用：

SIP RTP 测试
音频链路测试
MRCP 调试

VoIP 工程师非常常用。

11. 查看音频波形统计

bash 复制代码

sox input.wav -n stat

输出：

最大音量
RMS
clipping
平均功率

对于：

ASR 输入质量分析
电话录音质量分析

很有帮助。

12. 在 FreeSWITCH 中的典型用途

对于做 FreeSWITCH 的工程师来说：

SoX 经常用于：

12.1 转换 IVR 音频

bash 复制代码

sox welcome.mp3 -r 8000 -c 1 welcome.wav

12.2 ASR 测试集准备

例如：

AWS Transcribe
Google STT
Verbio
Deepgram

都可能要求：

mono
PCM16
8k/16k

SoX 是最快的处理工具。

12.3 RTP 抓包后处理

配合：

tcpdump
Wireshark
sngrep

做音频恢复。

13. 一个非常实用的批量转换脚本

13.1 批量转换为 8k mono wav

bash 复制代码

#!/bin/bash

for file in *.wav
do
    sox "$file" -r 8000 -c 1 "converted_$file"
done

非常适合：

ASR 数据集处理
呼叫中心语音预处理

14. SoX 与 ffmpeg 的区别

很多人会问：

既然有 ffmpeg，为什么还需要 SoX？

我的实际经验：

场景	推荐
视频处理	ffmpeg
电话语音	SoX
ASR测试	SoX
RTP音频处理	SoX
批量音频脚本	SoX
多媒体转码	ffmpeg

SoX：

更轻
更纯粹
更适合语音

尤其：

在 8k 电话音频领域，

SoX 体验比 ffmpeg 更舒服。

15. 总结

SoX 是一个：

经典
稳定
高效
极其适合自动化

的命令行音频工具。

对于：

FreeSWITCH
OpenSIPS
UniMRCP
ASR/TTS
呼叫中心

工程师来说，

它几乎是必备技能。

如果你长期做：

SIP
RTP
电话语音
AI语音识别

建议一定要熟练掌握 SoX。