如何用单条SoX命令裁剪拼接音频并避免生成中间文件？

要完成你需要的操作——截取input1.aif前0.5秒、拼接完整的input2.aif、末尾添加1秒静音，单条SoX命令就能实现，无需生成中间文件，推荐两种写法：

# 通用写法，兼容多数Shell环境
sox --combine concatenate "|sox input1.aif -p trim 0 0.5" input2.aif output.aif pad 0 1

# Bash/Zsh专属写法，语法更直观
sox <(sox input1.aif -p trim 0 0.5) input2.aif output.aif pad 0 1

命令说明 #

• sox input1.aif -p trim 0 0.5：单独处理input1.aif，截取前0.5秒，结果通过管道（-p表示管道输入/输出）直接传递给主命令，不生成临时文件
• --combine concatenate：指定SoX将处理后的input1片段与完整的input2按顺序拼接（用进程替换的写法可省略该参数，SoX默认对多输入文件执行拼接）
• pad 0 1：给最终拼接好的音频末尾添加1秒静音（参数格式为pad <前置静音时长> <后置静音时长>，这里不需要前置静音，所以填0）

你之前尝试的命令问题分析 #

• 直接在多输入后加trim 0 0.5：这个trim会作用于所有输入拼接后的完整音频，导致只保留前0.5秒，input2被完全截断
• 使用:分隔效果：:用于给单个输入文件叠加多个效果，但你未明确指定效果对应的输入对象，导致效果作用范围混乱，要么没正确处理input1，要么误截断了input2
• sox input1.aif trim 0 0.5 : input2.aif output.aif pad 0 1：语法错误，链语法中输出文件必须放在最后，且:不能用于分隔独立的输入文件

内容的提问来源于stack exchange，提问作者Dan Weaver