[speech] 统计音频文件总时长

统计音频文件总时长

两种实现方法，调用sox工具，调用python wave库。

sox

命令行中键入

sox wavfile -n stat

-bash-4.2$ sox arctic_a0001.wav -n stat
Samples read:             53680
Length (seconds):      3.355000
Scaled by:         2147483647.0
Maximum amplitude:     0.628510
Minimum amplitude:    -0.649933
Midline amplitude:    -0.010712
Mean    norm:          0.069802
Mean    amplitude:    -0.000027
RMS     amplitude:     0.114387
Maximum delta:         0.332764
Minimum delta:         0.000000
Mean    delta:         0.019452
RMS     delta:         0.033908
Rough   frequency:          754
Volume adjustment:        1.539

其中的length就是长度，单位seconds。

Code

import os,sys
import os,sys
import math
import subprocess
import csv

wavdir = 'wav'
txtdir = 'txt'
wavlst = os.listdir(wavdir)
total = 0
def get_wav_duration(wav_id):
cmd = "sox {} -n stat 2>&1".format(os.path.join(wavdir,wav_id))
tmp = os.popen(cmd)
dur_line = tmp.readlines()[1].split()
dur = math.floor(float(dur_line[2]) * 10)/10
#print dur
global total
total = total + dur
return str(dur)

with open('text.csv','wb') as csvfile:
writer = csv.writer(csvfile)
for wav_id in wavlst:
utt_id = wav_id.split('.')[0]
duration = get_wav_duration(wav_id)
#sound_nframe = os.path.join(wavdir, utt_id)
write_tmp = [utt_id, duration]
writer.writerow(write_tmp)
print(total)

os.popen简记

python中调用外部命令行命令，主要使用

os.system(cmd)

和

os.popen(cmd)

，两个命令的区别在于前者返回cmd退出状态码，后者能够返回脚本执行过程中的输出内容。在python的document中貌似并不推荐

os.popen

，推荐使用

subprocess.popen

，用法稍微复杂。

os.system

#!/bin/bash
echo "hello world!"
exit 3
os.system(cmd):返回16bit，低位为杀死所调用脚本的信号号码，高位为脚本的退出状态码（即高位信号有用）
>>> n = os.system(test.sh)
>>> n >> 8
>>> 3

os.popen

这种调用方式是通过管道的方式来实现，函数返回一个file-like的对象，里面的内容是脚本输出的内容（可简单理解为echo输出的内容），如果需要其他的内容，就需要使用重定向

2>&1

【注意重定向】。

import os
cmd = 'echo haha'
tmp = os.popen(cmd).readlines()
print(tmp)

wave lib

统计The World English Bible中语音的时长，12G的文件，两层文件夹，统计后总时长为263965.387755s(约73h)

import os
import wave
import contextlib
def get_wav_duration(fname, print_flag=0):
with contextlib.closing(wave.open(fname,'r')) as f:
frames = f.getnframes()
rate = f.getframerate()
wav_duration = frames / float(rate)
if str(print_flag) != '0':
print('wav time: {}'.format(wav_duration))
return wav_duration

wavdirdir = 'WEB'
wavdirlst = os.listdir(wavdirdir)
wavlst = []
for lst in wavdirlst:
wavdir = os.path.join(wavdirdir,lst)
wavpath = os.listdir(wavdir)
for wav in wavpath:
wavlst.append(os.path.join(wavdir,wav))
total = 0
for lst in wavlst:
total += get_wav_duration(lst)
print(total)

Reference