自动调整音频曲目和定时配音屏幕广播

Question

我们有一些屏幕投射需要被配音到各种语言，我们有目标语言的文本脚本，如下所示：

Begining Time  Audio Narration

0:0            blah nao lorep iposm...

1:20           xao dok dkjv  dwv....

..

我们可以单独记录上面的每一个单元，然后在上面脚本中提到的适当的开始时间对齐它。在

示例：

输入：

输入N个定时值：0:0,1:20。。。 然后输入N段录音

输出：

录音与上述时间一致。溢出应由系统单独检测，而下溢则由静默来填充。在

是否有任何平台无关的音频API\软件或最好是python中的代码片段，允许我们根据提供的时间调整这些音频单元？在

Answer 1

如果输入的音频文件是未压缩的（如WAV文件等），我喜欢使用的音频库是libsndfile。它似乎有一个python包装器：https://code.google.com/p/libsndfile-python/。考虑到这一点，剩下的可以这样完成：

使用libsndfile打开要向其写入音频数据的输出音频流

对于每个输入音频文件，使用libsndfile打开一个输入流

根据文本描述“脚本”提取给定音频文件的元数据信息

将所需的任何静默写入主输出流，然后将数据从输入流写入输出流。注意当前位置/时间。对每个输入音频文件重复此步骤，检查音频剪辑的目标开始时间是否始终与前面记录的当前位置/时间相同。如果没有，那么你有一个重叠。在

当然，您必须担心样本率匹配等问题，但这已经足够开始了。另外，我不太确定您是要编写一个输出文件，还是为每个输入文件编写一个输出文件，但是这个答案应该足够了。libsndfile将为您提供所需的所有信息（如片段长度等），假设它支持输入文件格式。在