如何用Java分割WAV音频、调整片段振幅并合并生成新音频

我们可以用Python的pydub库完成这套音频编辑流程，它对WAV文件的处理直观高效，依赖ffmpeg或libav处理底层音频编码。

准备工作 #

• 安装pydub：

  pip install pydub
  

• 确保系统已安装ffmpeg（Windows/macOS/Linux可通过包管理器或官网下载）。

1. 分割音频文件 #

首先要确定“Hi”和“there”的分割时间点。如果已知准确时刻（比如“Hi”结束于1.2秒），直接用pydub的切片功能即可；如果未知，可结合语音识别工具定位（示例先假设已知分割点为1200毫秒）。

from pydub import AudioSegment

# 加载原始WAV文件
original_audio = AudioSegment.from_wav("original.wav")

# 分割点：假设"Hi"结束于1200毫秒
split_time = 1200

# 分割并保存文件
hi_audio = original_audio[:split_time]
there_audio = original_audio[split_time:]
hi_audio.export("hi.wav", format="wav")
there_audio.export("there.wav", format="wav")

2. 调整there.wav的音量 #

pydub提供两种常用的音量调整方式：

• 按分贝调整（比如增加6分贝）：

  there_audio = AudioSegment.from_wav("there.wav")
  # 提升6分贝，降低则用减号，如there_audio - 4
  adjusted_there = there_audio + 6
  adjusted_there.export("there_adjusted.wav", format="wav")
  

• 按振幅倍数调整（比如放大1.5倍）：

  adjusted_there = there_audio * 1.5
  adjusted_there.export("there_adjusted.wav", format="wav")
  

3. 合并音频并保存 #

将分割后的hi.wav和调整后的音频合并为最终文件：

hi_audio = AudioSegment.from_wav("hi.wav")
adjusted_there = AudioSegment.from_wav("there_adjusted.wav")

# 拼接音频
final_audio = hi_audio + adjusted_there
final_audio.export("hi_there.wav", format="wav")

补充：自动识别分割点（可选） #

如果不知道具体分割时间，可结合SpeechRecognition库做语音转文本，再借助专业工具定位分段：

import speech_recognition as sr

r = sr.Recognizer()
with sr.AudioFile("original.wav") as source:
    audio_data = r.record(source)
    text = r.recognize_google(audio_data)  # 识别出"Hi there"

# 如需精准定位，可使用pyannote.audio等工具做语音分段

内容的提问来源于stack exchange，提问作者smoovy