1.簡介

SoX 可以讀取和寫入常見格式的音頻文件，并在此過程中選擇性的加入一些聲音效果。它可以組合多個輸入源及合成音效，在許多系統上也可以作為音頻播放器或多軌錄音機使用。

SoX 工具在大部分 Linux 系統上都可以直接通過軟件包管理器安裝
在Ubuntu 安裝命令：sudo apt-get install sox
Mac 系統上則可以使用 brew install sox命令

SoX 工具的所有功能都可以通過一個簡單的sox命令及相應的參數選項實現。但它同時提供了play命令用于播放音頻文件，rec命令用于錄制音頻，以及 soxi命令用于獲取音頻的文件頭中包含的信息。

上述幾個命令的基本格式如下：

SYNOPSISsox [global-options] [format-options] infile1[[format-options] infile2] ... [format-options] outfile[effect [effect-options]] ...play [global-options] [format-options] infile1[[format-options] infile2] ... [format-options][effect [effect-options]] ...rec [global-options] [format-options] outfile[effect [effect-options]] ...soxi [-V[level]] [-T] [-t|-r|-c|-s|-d|-D|-b|-B|-p|-e|-a] infile1 ...

2.基本使用

2.1 獲取音頻文件的元數據(也是所謂的音頻頭)

在Linux上可以使用 soxi或 sox --i命令，但是在 win 只能用 sox --i命令，來分析音頻文件的文件頭，獲取其元數據（如通道數、采樣率、編碼等）。

$ soxi Faded.wavInput File : 'Faded.wav' Channels : 2 Sample Rate : 44100 Precision : 16-bit Duration : 00:03:32.63 = 9376836 samples = 15947 CDDA sectors File Size : 37.5M Bit Rate : 1.41M Sample Encoding: 16-bit Signed Integer PCM

soxi 命令跟上某個特定的選項可以只獲取該選項對應的信息，如只顯示某音頻文件 Faded.wav的比特率（Bit Rate）：

$ soxi -B Faded.wav 1.41M

soxi 命令支持的所有選項及其含義如下：

$ soxi Usage: soxi [-V[level]] [-T] [-t|-r|-c|-s|-d|-D|-b|-B|-p|-e|-a] infile1 ...-t Show detected file-type -r Show sample-rate -c Show number of channels -s Show number of samples (0 if unavailable) -d Show duration in hours, minutes and seconds (0 if unavailable) -D Show duration in seconds (0 if unavailable) -b Show number of bits per sample (0 if not applicable) -B Show the bitrate averaged over the whole file (0 if unavailable) -p Show estimated sample precision in bits -e Show the name of the audio encoding -a Show file comments (annotations) if availableWith no options, as much information as is available is shown for each given file.

2.2 獲取音頻的統計信息

可以使用 sox <inputfile> -n stat命令獲取某音頻文件的統計信息。示例如下：

$ sox Faded.wav -n stat Samples read: 18753672 Length (seconds): 212.626667 Scaled by: 2147483647.0 Maximum amplitude: 0.977417 Minimum amplitude: -0.977478 Midline amplitude: -0.000031 Mean norm: 0.229415 Mean amplitude: -0.000006 RMS amplitude: 0.302594 Maximum delta: 1.765564 Minimum delta: 0.000000 Mean delta: 0.202369 RMS delta: 0.273320 Rough frequency: 6339 Volume adjustment: 1.023

2.3 播放與錄制

play 和rec 命令提供了最基本的播放和錄制功能。

• 播放：$ play existing-file.wav
• 錄制：$ rec new-file.wav

上述命令等同于 sox 命令的如下形式：

• 播放： $ sox existing-file.wav ?d
• 錄制 ：$ rec ?d new-file.wav

其中-d 選項用于指定播放或錄制時使用的音頻設備，不指定時則表示使用默認設備。

可以這樣理解：

• sox existing-file.wav -d 就是從existing-file.wav文件中讀取其包含的音頻數據，再輸出到-d（默認音頻設備，揚聲器）進行播放；
• sox -d new-file.wav就是從-d（默認音頻設備，麥克風）中讀取音頻數據，再輸出（錄制）到new-file.wav文件中。

其實都遵循了一個基本的格式，即sox <input> <output>。而其中的<input>和 <output> 根據需要既可以為某個具體的音頻文件，也可以是某個具體的音頻設備。

播放或錄制的同時，也可以對音頻文件應用指定的編輯操作或效果選項，因此在對音頻數據應用某效果前，可以先使用 play 命令進行“預覽”。

如 trim效果可以從音頻文件中裁剪提取指定的片段到輸出文件。

play命令通過該效果可以直接播放指定片段：

$ play foo.wav trim 10.0 5.0或 $play foo.wav trim 10.0 =15.0

上面的代碼是，播放foo.wav 文件中 10-15s 之間的音頻片段

使用 echo 效果播放 Faded.wav文件：

$ play Faded.wav echo 0.8 0.88 200.0 0.4Faded.wav:File Size: 37.5M Bit Rate: 1.41MEncoding: Signed PCMChannels: 2 @ 16-bit Samplerate: 44100Hz Replaygain: offDuration: 00:03:32.63In:12.1% 00:00:25.82 [00:03:06.81] Out:1.14M [-=====|=====-] Hd:2.7 Clip:0

2.4 音頻格式轉換

2.4.1 文件格式類型

對于音頻數據格式的描述，主要通過以下 4 種屬性：

• 采樣率（sample rate）：指聲音由模擬信號轉換成數字信號的過程中，每秒從連續信號中提取的用于組成離散信號的樣本個數。音頻CD所用的采樣率為 44100 Hz，數字音頻磁帶和許多計算機系統使用 48000 Hz，專業級音頻系統通常使用 96000 Hz。
• 采樣大小（sample size 或 Precision）：音頻采樣時用于存儲每個樣本的數據位數（bits）。如今 16 bit 的采樣大小已被廣泛使用，24 bit 主要用于專業音頻領域。
• 編碼格式（data encoding）：即每個音頻樣本的表示（即“編碼”）方式。常用的編碼類型包括 floating-point、μ-law、ADPCM、singed-integer PCM、MP3 和 FLAC 等。
• 通道（channel）：即文件中包含的音頻通道的數量。其中單聲道（mono）和雙聲道（stereo）是最常見的兩種，“環繞聲”音頻（Surround sound）通常包含六個或更多聲道。

此外，音頻文件還使用比特率（Bit Rate）表示一個單位時間內編碼音頻信號占用的存儲空間大小， 它的數值一般取決于所有的上述四個參數。

MP3 編碼的立體聲音樂通常具有 128-196kbps 的比特率， FLAC 編碼的立體聲音樂通常具有 550-760kbps 的比特率。

2.4.2 格式轉換

形式最簡單的 sox 命令即使用兩個文件名作為參數，如：

$ sox Faded.wav Faded.mp3

將 Faded.wav文件的格式由 wav 轉為 mp3

上述命令執行時，SoX 會先從Faded.wav文件中讀取音頻數據，再將其輸出到 Faded.mp3文件中。而 SoX 程序會根據參數中文件名的后綴推斷出相應的格式，并在復制音頻數據的過程中自動進行轉碼。

SoX 可以處理 self-describing 和 raw 格式的音頻文件。

self-describing 格式（如 WAV、FLAC、MP3）的文件包含一個用于描述信號和編碼屬性的文件頭，而 raw 或 headless 格式的音頻則不包含這些信息。

所以當 raw 格式的音頻作為輸入文件時，需要在 sox 命令的格式選項里指定其信號和編碼屬性。

常用的音頻格式選項：

選項描述

-b, --bits BITS	每個編碼樣本占用的數據位數
-c, --channels CHANNELS	音頻文件包含的通道數
-e, --encoding ENCODING	音頻文件的編碼類型
-r, --rate RATE	音頻文件的采樣率
-t, --type FILE-TYP	E音頻文件的文件類型

上述選項適用于輸入或輸出文件，主要用于說明 raw（或 headless）文件作為輸入時的格式信息，或格式轉換時指定輸出文件的具體參數。

$ sox ?r 48k ?e float ?b 32 ?c 2 input.raw output.wav

將某個特定的 raw 格式的音頻文件轉換為 wav 格式

$ sox Faded.wav Faded.raw

將音頻文件 Faded.wav 轉為 raw 格式

$ play -r 44800 -b 16 -e signed-integer -c 2 Faded.raw

播放 raw 格式的音頻文件

$ sox Faded.wav -c 1 Faded-mono.wav

將 Faded.wav 文件轉換成單聲道（-c 1）后輸出

3. 音頻效果

SoX 工具可以在音頻處理的過程中，對輸入的音頻數據應用眾多的效果。

可以使用如下命令查看所有效果的幫助信息：

$ sox --help-effect all | less sox: SoX vEffect usage: allpass frequency width[h|k|q|o] band [-n] center [width[h|k|q|o]] bandpass [-c] frequency width[h|k|q|o] bandreject frequency width[h|k|q|o] bass gain [frequency(100) [width[s|h|k|q|o]](0.5s)] bend [-f frame-rate(25)] [-o over-sample(16)] {start,cents,end}

也可以直接查看具體某個音頻效果的使用方法：

$ sox --help-effect echosox: SoX v Effect usage: echo gain-in gain-out delay decay [ delay decay ... ]

4.舉例or應用場景

4.1. 更改聲道數

sox 命令可以更改音頻文件中聲道的數目，如將單聲道音頻轉換成雙聲道：

$ sox foo.wav foostereo.wav channels 2 或者 $ sox foo.wav -c 2 foostereo.wav

但是上述命令并沒有創建一個“真實”的雙聲道音頻，而是將單聲道音頻復制成完全一致的兩個聲道再合并到輸出文件中。

可以通過 sox 命令的 -M 選項將左右兩個聲道的單聲道音頻合并成一個雙聲道文件：

$ sox -M left.wav right.wav stereo.wav

當然，也可以通過對雙聲道文件中兩個聲道的均一化處理，將其輸出為單聲道音頻：

$ sox original.wav mono.wav channels 1 或者 $ sox original.wav -c 1 mono.wav

remix命令

通過 sox 命令的 remix 效果也可以完成對聲道數據的提取或融合。

提取雙聲道音頻文件中單個聲道的數據并作為單聲道音頻輸出：

$ sox stereo.wav left.wav remix 1（提取左聲道音頻） $ sox stereo.wav right.wav remix 2（提取右聲道音頻）

融合雙聲道文件中兩個聲道的音頻數據并作為單聲道音頻輸出：

$ sox stereo.wav mono.wav remix 1,2 或者 $ sox stereo.wav mono.wav remix 1-2

此外，remix 還可以將輸入文件中的多個聲道數據分別進行融合。

如使用 -M選項將兩個雙聲道音頻合并，再通過 remix 將合并得到的四個聲道兩兩融合，生成一個只包含兩個聲道的輸出文件。

$ sox -M stereo1.wav stereo2.wav output.wav remix 1,3 2,4

4.2 改變音量

sox命令的-v選項可以用來（成倍地）改變音量的大小：

$ sox -v 0.5 foo.wav bar.wav

上述命令將foo.wav音頻放大 0.5 倍音量后輸出至bar.wav文件

可以將音量放大功能與 stat效果結合。

以 sox foo.wav -n stat -v命令返回的數字作為放大倍數，將最大化 foo.wav的音量而不至于出現削波：

$ sox foo.wav -n stat -v 2> vc $ sox -v `cat vc` foo.wav foo-maxed.wav

此外，還有一個選項 --norm 用來歸一化音頻響度。為了最大化音頻的聲音強度，可以在處理輸入音頻時將該選項設置為 -1：

sox --norm=-1 <inputfile> <outputfile>

4.3 提取文件的某個部分

sox 命令的 trim效果可以將輸入音頻的某一段裁剪出來并提取到輸出文件中。

trim 接收兩個參數，一個作為裁剪片段的起始位置，另一個作為該片段持續的時間。

可以使用整數+s格式的參數以樣本個數作為計量單位，也可以直接使用 ((hh:)mm:)ss(.fs)形式的時間參數。當參數為純整數時，單位為秒。

$ sox Input.wav Half1.wav trim 0 30:00 截取輸入文件中前 30 分鐘的音頻 $ sox Input.wav Half2.wav trim 30:00 30:00 截取輸入文件中從第 30 分鐘開始到第 60 分鐘的音頻

4.4. 拼接文件

與前面裁剪提取的操作相反，sox 命令還可以實現對兩個或多個音頻文件的拼接。

$ sox Half1.wav Half2.wav Full.wav

將 Half1.wav 和Half2.wav合并至Full.wav 文件。注意合并前的音頻文件需保持一致的類型和采樣率等。

4.5 合成音頻

sox 命令可以通過synth效果合成許多標準波形和噪聲類型。

$ sox -n sine.wav synth 1.0 sine 1000.0

合成頻率為 1000 Hz 長度為 1 秒的正弦波，保存至 sine.wav 文件中。

synth 支持合成的聲音類型包括 sine、square、triangle、sawtooth、trapetz (trapezoidal)、exp (exponential)、whitenoise、pinknoise 和 brownnoise。

4.6 靜音效果

sox 命令可以創建靜音狀態的音頻片段，使用-n選項表示沒有輸入，通過trim效果指定需要靜音的片段。

$ sox -n -r 48000 silence.wav trim 0.0 0.250

在 slience.wav文件中創建一段長度為 250ms 采樣率為 48000Hz 的靜音片段。

4.7 混合音頻

sox 命令的 -m選項可以將兩個音頻文件混合以后生成輸出文件。

$ sox -m sine100.wav sine250.wav sine100-250.wav

將sine100.wav 和 sine250.wav 兩個音頻文件融合以后作為sine100-250.wav文件的音頻數據。

$ sox -m -v0.5 music.mp3 -v2 speech.wav presentation.wav

將背景音樂（music.mp3）音量降低一半后與放大 2 倍音量的人聲數據（speech.wav）融合。

如果不確定融合效果，可以先通過 play 命令使用相同的參數對結果進行“預覽”：

$ play -m -v0.5 music.mp3 -v2 speech.wav

PS：

與前面的-M 選項不同，-m選項傾向于對聲道數據的混合，即兩個單聲道文件通過 -m混合以后輸出仍是單聲道數據。輸出文件中的單個聲道包含了輸入的兩個聲道的特征。

而 -M 選項更傾向于對音頻文件的合并，默認不對聲道數據進行混合。所以兩個單聲道文件通過 -M 合并以后默認輸出雙聲道音頻。輸出文件中的兩個聲道分別對應于輸入的兩個聲道（數據沒有混合）。除非通過-c選項手動指定輸出文件的聲道數量。

4.8 改變播放速度

可以通過 stretch 效果改變音頻文件的播放速度，同時不會導致音高的變化。

如以 2x 倍速播放 Faded.wav文件：

$ play Faded.wav stretch 0.5

也可以通過speed效果調節播放速度（相應地音高也會發生變化）：

$ play Faded.wav speed 2

此外，可以使用 pitch 效果調節音頻片段的音高，以音分（cents）為單位。

$ play Faded.wav pitch 200

將 Faded.wav 文件中的音頻提高 200 音分，即提高 2 個半音的音程（每一個半音的音程等于 100 音分）。

總結

以上是生活随笔為你收集整理的SOX 音频处理工具基本使用的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。