Как извлечь только речь из множества аудиозаписей не вручную, а автоматически?

Question

[Андрей]

Здравствуйте! Есть много записей с диктофона на суде, на которых часть - полезная (разговоры), часть - безполезная (их отсутствие). Мух от котлет вручную на каждом файле отделить очень сложно и долго (а слышать местами громкий стук диктофона - та ещё пытка). Есть ли какие-либо способы (может в звуковых редакторах, например?) не прослушивая всё это посекундно качественно программно пометить на аудио участки, где есть какие-либо голоса? Или не помечать, а вырезать сразу (желательно с пометкой когда и что вырезано на изначальной записи). Или преобразовать аудио в такой вид, что будет лучше слышно только голоса, а остальное уберётся? Вроде бы не такая уж и редкая проблема, но всё что выдают поисковики - это сервисы для получения минусов из музыки - это не совсем то, что нужно. Может быть не только аудио-редакторы, но и сервисы, работающие на основе искусственного интеллекта здесь тоже могут помочь? (пусть даже платные и "заморские"). Или хотя бы актуальные качественные способы "почистить фон" от шумов, чтобы речь было слышно лучше и на спектрограмме она была отчетливее видна?

Comments

[mayton2019]

Во всех аудиоредакторах есть пороговое шумопонижение. Попробуй его. Там еще должны
быть параметры чувствительности по времени срабатывания. Тоесть короткие звуки
(удары диктофона об стол) можно тоже как-то давить хотя я тут точно не уверен.

Из софта я названий не помню. Давно я на такое смотрел. Уж лет 10 прошло. SoundForge? Cubase?
Часть из этого может стоить денег.

Покупать тебе сразу лицензию на Cubase не стоит. Поищи знакомого звуковика с софтом
чтоб попробовать на его десктопе что-то сделать. Будет ли польза - ХЗ. Надо
много пробовать.

Answer 1

[12rbah]

В общем то, что вам нужно в целом умеет whisper, если со скриптами/консолью работать умеете, то можно найти по запросу whisper gui(gui если нужно графическое приложение), например https://github.com/Pikurrot/whisper-gui или https://grisk.itch.io/whisper-gui (тут хз насколько это безопасно скачивать). Можно с другой стороны пойти и сделать так, чтобы удалялась тишина в видео/аудио https://github.com/lagmoellertim/unsilence, гуглить silence remover.

Comments

[Андрей]

У Whisper есть возможность указывать тайм-коды в аудиофайле, где как раз встречается речь - можно будет их брать и кидать в тот же ffmpeg, чтобы автоматически вырезать эти нужные фрагменты из файлов, после чего прослушивать только их, что и было нужно. Спасибо!