☰

Soxを使用して複数のオーディオファイルのスペクトログラムを効率的に生成する方法は？

tag-icon • tag-icon audio sox
Soxを使用して複数のオーディオファイルのスペクトログラムを効率的に生成する方法は？

私は多くのオーディオファイルを持っており、Soxを使用して個々のファイルごとにスペクトログラムを生成したいと思います。通常、単一のファイルに対して次のことを行います。

sox audiofile.flac -n spectrogram

しかし、この方法を複数のファイルに拡張する方法がわかりません。理想的には、出力ファイルにfor、forなどの対応する.pngオーディオファイルに関連付けられているファイル名を指定したいと思います。audiofile1.pngaudiofile1.flacaudiofile2.pngaudiofile2.flac

これを行う方法を知っている人はいますか？

答え1

答えてくれたJosephに感謝します。おそらく彼が投稿した当時は効果があったでしょう。しかし、-oRed Soxが注文を受けるとすぐに、私はそれを追加する必要があります。spectrogram

for file in *.flac;do
    outfile="${file%.*}.png"
    sox "$file" -n spectrogram -o "$outfile"
done

すべて各自のフォルダに保管いたします。 効果がある！

さらに一歩進んで、画像のスペクトログラムの上にファイルタイトルを追加し、より広くすることで、より詳細な情報を見ることもできます。基本画像は私に少し小さいです。

for file in *.flac;do
    outfile="${file%.*}.png"
    title_in_pic="${file%.*}"
    sox "$file" -n spectrogram -t "$title_in_pic" -o "$outfile" -x 2000
done

答え2

コマンドをループにラップできます。

for file in *.flac
do
    outfile="${file%.*}.png"
    sox "$file" -n spectrogram "$outfile"
done

ファイル名の場合、sox(1) のマニュアルページループで使用できるように、コマンドラインで出力ファイルの名前を明示的に指定することをお勧めします。

ループの最初の行は Bash を使用します。パラメータの置換.flacファイル名から拡張子を削除し、.png拡張子を追加します。

答え3

ここに私の「スペクトログラムをインポートする」ソリューションがあります。

  • aac、opusなど、より多くのコーデック処理
  • mp4、mkv、avi、m4aなどのより多くのコンテナを処理します。
  • 24kHzで標準化されたスペクトログラム高さ
  • 1チャンネルのみ描画=モノ
  • 標準化されたボリューム
  • 出力ファイルの入力ファイル拡張子を保持します。
#!/bin/bash

# aspec.sh
# get spectrograms of audio streams
#
# usage: aspec.sh a.mp3 b.m4a c.mp4 d.mkv ....
#
# dependencies: sox, ffmpeg
# license: public domain, warranty: none
# version: 2019-05-17 by milahu

ff_args="" # ffmpeg arguments
sx_args="" # sox arguments

ff_args+=" -loglevel error"

ff_astream=0 # only use first audio stream
ff_args+=" -map 0:a:${ff_astream}?"

ff_args+=" -ac 1" # use only one audio channel
sx_args+=" channels 1"

sx_args+=" gain -n -3" # normalize volume to -3dB

# set sampling rate
# only analyze frequencies below f_max = rate / 2
# also normalize spectrogram height to f_max
#sx_args+=" rate 6k"  # only show f <  3kHz "where the human auditory system is most sensitive"
sx_args+=" rate 48k" # only show f < 24kHz

# use wav as temporary format, if sox cant read file
ff_args+=" -c:a pcm_s16le -f wav"
sx_type="wav"

# process files from "argv"
for i in "$@"
do
    echo "$i"
    o="$i.sg.png" # output file
    t=$(basename "$i") # title above spectrogram
    c="spectrogram by SoX, the Sound eXchange tool" # comment below spectrogram

    # try to read original format
    echo analyze
    sox "$i" -n \
        $sx_args \
        spectrogram -o "$o" -c "$c" -t "$t" \
        2>&1 | grep -v "no handler for detected file type"

    if (( ${PIPESTATUS[0]} != 0 ))
    then
        # sox failed. convert audio and retry
        echo convert

        # get duration of stream or container
        # spectrogram filter has no "ignore length" option
        # and without a "duration prediction" will only read 8 seconds
        d=$(ffprobe "$i" -v error -of compact=s=_ \
            -select_streams "0:a:${ff_astream}?" \
            -show_entries stream=duration:format=duration \
            | sort | grep -v =N/A \
            | tail -n 1 | cut -d= -f2)
        # 'tail -n 1' --> prefer stream duration
        # 'head -n 1' --> prefer container duration

        if [[ -z "$d" ]]
        then
            echo -e "skip. duration not found FIXME\n"
            continue
        fi

        # bash "process substitution" magic
        sox \
            --type "$sx_type" \
            --ignore-length \
            <( ffmpeg -i "$i" $ff_args - ) \
            --null \
            $sx_args \
            spectrogram -d "$d" -o "$o" -c "$c" -t "$t"
    fi

    echo -e "done\n$o\n"
done

関連情報