我有一个音频文件数据集，它们的长度相差几毫秒。有些比 1s 短一点，有些比 1s 长一点。它们都具有相同的采样率，即 20kHz，不同的是采样的数量。
有谁知道自动将它们转换为 20kHz 采样率的 1s 音频文件的方法？
编辑：我需要将音频转换为具有相同长度，以便我可以将它们输入到标准的全连接神经网络中。
我认为，如果音频长于 1 秒，则在开头和结尾剪切音频将是最好的解决方案。比如音频长1.1s，那我想把音频开头和结尾各剪5ms，转换成1s音频？如果数据更短，以某种方式在数据末尾添加一些“沉默”？
先感谢您！
ImageMagick 是在命令行中编辑多个图像的好工具。感谢您的问题，我刚刚发现了SoX 或 Sound eXchange：
SoX 是一个跨平台（Windows、Linux、MacOS X 等）命令行实用程序，可以将各种格式的计算机音频文件转换为其他格式。它还可以对这些声音文件应用各种效果，并且作为额外的奖励，SoX 可以在大多数平台上播放和录制音频文件。
它可以修剪、裁剪、剪切多个文件（也可以重新采样），例如：
对于较短的文件，一个选项是创建一个静音文件，发生它，然后再次裁剪，例如：Linux command to extend the duration of audio files。
为了使您的音频 wav 文件更长，您可以在 linux 中使用 sox ：
sox input.wav output.wav 修剪 0 00:01
这将占用 1 秒的音频输入并将其放入 output.wav。如果它短于 1 秒，它可能会起作用，但我不知道。
另一种解决方案是用 C/whatever 程序实际做你想做的事，这不会很难做到，但你可能不想那样做。
我猜 Sox 可能对您的问题有一个简单而有效的解决方案。
我用python编写了这段代码，它还没有优化，但它仍然对我很有效
from pydub import AudioSegment
from pydub.utils import mediainfo
in_wav = "input.wav"
out_wav = "output file"
with contextlib.closing(wave.open(in_wav,'r')) as f:
frames = f.getnframes()
rate = f.getframerate()
duration = int(((frames / float(rate)))*1000) # input file duration
if(duration < 1000): #if its less then 1s
newd=1000-duration
if(newd%2==0):
pair=0
else:
pair=1
durbeg=(newd)/2+pair # the time of silence in the begging
durend=(newd)/2 # the time of silence in the end
# create silence audio segment of begging
beg_sec_segment = AudioSegment.silent(duration=durbeg) #duration in milliseconds
# create of silence audio segment of end
end_sec_segment = AudioSegment.silent(duration=durend) #duration in milliseconds
song = AudioSegment.from_wav(in_wav)
#Add above two audio segments
final_song = beg_sec_segment + song + end_sec_segment
final_song.export(out_wav, format="wav")