概述
最近在处理音频的时候，需要对多个音频进行拼接以及将wav转成raw,然后就发现了sox工具，正好之前有借助过该工具进行过采样率和通道数的转换。至此就用该文对sox的使用做一个简单的总结。sox主要通过命令行的方式来处理音频，接下来主要介绍sox如何实现上述提到的多音频拼接，格式转换，采样率转换 以及通道数转换。
获取音频信息
首先处理一段音频需要知道该音频的基本信息，包括通道数，采样率，时间长度等。可以通过如下命令得到
soxi q1.wav
输出信息中包含了文件名，通道数以及采样率等信息。另外如果想要得到该音频的详细信息，可以通过
sox q1.wav -n stat
该输出包含了音频长度，最大的幅值，最小幅值，幅值均值等信息。
采样率转换
在一个数据集里面，音频的采样率可能存在不一致的情况，有的音频为16k,有的音频为8k。为了让采样率统一，可以采用如下的命令进行采样率转换。
sox -r 16000 q1.wav -r 8000 output.wav然后再打印出output.wav的信息，可以看到采样率已经变成了8000
可以利用上述命令完成任意采样率的转换。
通道数转换
同样的，在一个数据集里面，音频文件的通道数也不一致。此时可以采用如下的命令进行通道数的统一
# 将多个单通道融合成多通道sox q1.wav q1.wav q1.wav -M outputM.wav
此时查看outputM.wav的信息，显示其为3通道。
接着将outputM.wav变成单通道数据，采用如下命令
sox outputM.wav -c 1 output1.wav其中-c指定通道数。此时查看output1.wav的信息，已经成功变成了单通道
格式转换
有些时候某些应用只支持pcm的输入，有些时候只支持wav的输入，如果自己写程序进行转换会很麻烦。sox里提供了方便的命令进行格式转换，并且该命令已经支持了各种各样的格式。包括wav,pcm,mp3,ogg,raw等等。对于非裸数据(如wav,头44个字节包含了该音频的信息)，可以直接使用如下命令进行转换
# wav --> rawsox q1.wav q1.raw
对于那些裸数据(pcm,raw等)，进行这类数据转换时，需要加上相应的音频信息。
| 选项 | 描述 |
|
-b |
每个编码样本占用的数据位数 |
|
-c |
音频文件包含的通道数 |
|
-e |
音频文件的编码类型 |
|
-r |
音频文件的采样率 |
|
-t |
音频文件的文件类型 |
至此转换命令可以写成
sox -r 16000 -e float -b 32 -c 1 q1.raw q2.wav音频拼接
在训练rnnoise的时候，需要使用将数据集中语音拼接成一条语音，而sox同样的提供了拼接命令。
sox q1.wav q1.wav Full.wav此命令表示将两段q1.wav拼接成Full.wav,此时查看Full.wav的信息，
可以看到Full.wav的长度变成了q1.wav的两倍。目前使用的命令基本上就这些，sox中还有很多其它的功能，比如添加音效等。等用到了再整理。
https://mp.weixin.qq.com/s/zs55aIdaSL9dggdlTA3LsQ
