如何用Python获取WAV文件中振幅处于静止位置的音频帧列表？

这里的"静止位置"指振幅接近0的帧，考虑到音频可能存在底噪，我们可以设置一个阈值来判断，而非严格等于0。以下是两种常见实现方式：

方法一：使用scipy + numpy #

1. 读取WAV文件，获取采样率和音频数据
2. 根据音频位深设置合理阈值（比如16位音频的量化范围是-32768到32767，阈值可设为5以过滤微小底噪）
3. 筛选出符合条件的帧索引或帧数据

import numpy as np
from scipy.io import wavfile

# 读取音频文件
sample_rate, audio_data = wavfile.read("your_audio.wav")

# 处理多声道音频：如果是立体声，可选择取单声道，或判断所有声道都静止
if len(audio_data.shape) > 1:
    audio_data = audio_data[:, 0]  # 取第一声道，如需判断所有声道可改用np.all

# 根据音频数据类型设置阈值：16位整数用5，归一化浮点数用1e-6
threshold = 5 if audio_data.dtype == np.int16 else 1e-6

# 获取所有静止帧的索引
silent_frame_indices = np.where(np.abs(audio_data) <= threshold)[0]

# 获取静止帧的振幅数据
silent_frames = audio_data[silent_frame_indices]

# 打印结果示例
print(f"找到{len(silent_frame_indices)}个静止帧，前10个索引：{silent_frame_indices[:10]}")

方法二：使用librosa #

librosa会自动将音频归一化到[-1,1]的浮点数范围，处理逻辑更统一：

import librosa
import numpy as np

# 读取音频，sr=None表示保留原始采样率，mono=True转为单声道
audio_data, sample_rate = librosa.load("your_audio.wav", sr=None, mono=True)

# 设置归一化后的阈值
threshold = 1e-6

# 筛选静止帧
silent_frame_indices = np.where(np.abs(audio_data) <= threshold)[0]
silent_frames = audio_data[silent_frame_indices]

print(f"找到{len(silent_frame_indices)}个静止帧，前10个索引：{silent_frame_indices[:10]}")

注意事项 #

• 多声道音频需明确判断逻辑：是某一声道静止即算，还是所有声道都静止才算，可根据需求调整代码。
• 阈值需根据实际音频调整：底噪较大时可适当提高阈值；若需严格匹配振幅为0的帧，可将阈值设为0，但可能会因量化噪声漏掉部分理论静止帧。

内容的提问来源于stack exchange，提问作者THEMOUNTAINSANDTHESKIES