Hello你好啊，好久不见。过去一段时间【关注微信公众号：wwwtangshuangnet】【关注微信公众号：wwwtangshuangnet】，我写博客的次数变得很少，我之前关注的一【作者：唐霜】【版权所有】唐霜 www.tangshuang.net些博主也逐渐抛弃了博客。一个非常令人沮丧【原创内容，转载请注明出处】【访问 www.tangshuang.net 获取更多精彩内容】的现象是，现在的朋友们很少再关注博客，因【作者：唐霜】【未经授权禁止转载】为通过大模型应用，获取知识变得极为便捷，【本文受版权保护】【本文受版权保护】而传统的播客往往依赖搜索引擎，随着大模型未经授权，禁止复制转载。转载请注明出处：www.tangshuang.net的发展，播客的内容被扒光，很多人也就再也原创内容，盗版必究。本文版权归作者所有，未经授权不得转载。没有动力写博客。对我而言，写博客，可能只【版权所有，侵权必究】【本文首发于唐霜的博客】是换一种方式来表达自己，因此，偶尔还是会未经授权，禁止复制转载。【原创内容，转载请注明出处】写一些，这种写作的心态，不去对抗AI抓取【访问 www.tangshuang.net 获取更多精彩内容】【版权所有】唐霜 www.tangshuang.net的焦虑，仅仅是自己的一种表达。
【原创不易，请尊重版权】【关注微信公众号：wwwtangshuangnet】起因
在过去几年里，我其实做了很多期播客。而最【转载请注明来源】【转载请注明来源】近，视频播客的形式开始进入大众视野。播客原创内容，盗版必究。【本文受版权保护】这种内容形式其实非常有意思，特别是严肃内转载请注明出处：www.tangshuang.net转载请注明出处：www.tangshuang.net容播客，具有非常强的知识和主观见解。不过【转载请注明来源】【原创内容，转载请注明出处】，在我已有的播客录制经验中，“停顿”或则转载请注明出处：www.tangshuang.net【本文受版权保护】是说“暂时的无话可说”会成为非常麻烦的一转载请注明出处：www.tangshuang.net本文作者：唐霜，转载请注明出处。件事，因为一旦这种沉默时间过长，后期的剪本文版权归作者所有，未经授权不得转载。【转载请注明来源】辑会很麻烦，如果在一次节目中，这种沉默出著作权归作者所有，禁止商业用途转载。本文版权归作者所有，未经授权不得转载。现了很多次，剪辑就是灾难。而且经过剪辑的【原创内容，转载请注明出处】原创内容，盗版必究。音频文件会迅速膨胀。因此，过去我基本上不原创内容，盗版必究。【转载请注明来源】剪辑，停顿就停顿吧，反正我的节目也没有很【未经授权禁止转载】【本文受版权保护】多人听。
本文版权归作者所有，未经授权不得转载。【本文首发于唐霜的博客】转载请注明出处：www.tangshuang.net转载请注明出处：www.tangshuang.net但是，我发现网上很多其他博主的节目，却显【访问 www.tangshuang.net 获取更多精彩内容】本文作者：唐霜，转载请注明出处。得非常紧凑。仔细慢放可以发现，他们的剪辑原创内容，盗版必究。【原创不易，请尊重版权】频次极高，几乎所有的停顿都被剪掉了。我就【未经授权禁止转载】【未经授权禁止转载】在想，难道他们是使用了什么软件吗？经过搜未经授权，禁止复制转载。【版权所有】唐霜 www.tangshuang.net索，我找到了一款autocut的软件可以【转载请注明来源】【版权所有，侵权必究】实现这个功能。到这里，你以为我是来推荐软本文版权归作者所有，未经授权不得转载。【转载请注明来源】件的吗？当然不是。这款软件有着非常多功能【版权所有，侵权必究】【版权所有】唐霜 www.tangshuang.net，而部分功能还要收费，对于我这样的技术党本文版权归作者所有，未经授权不得转载。【版权所有，侵权必究】来说，更喜欢web这种即用即走的产品形态【版权所有】唐霜 www.tangshuang.net【原创不易，请尊重版权】。于是，我觉得，复刻该功能。
原创内容，盗版必究。【访问 www.tangshuang.net 获取更多精彩内容】【转载请注明来源】效果
经过2天的折腾，我完成了剪除静音这个应用【版权所有】唐霜 www.tangshuang.net本文作者：唐霜，转载请注明出处。，你可以通过这个链接使用剪除静音这款软件，完全免费，不需要用户登录。让我们先看感未经授权，禁止复制转载。转载请注明出处：www.tangshuang.net受一下使用这款应用前后的对比。
转载请注明出处：www.tangshuang.net转载请注明出处：www.tangshuang.net剪除静音前
【版权所有，侵权必究】【版权所有】唐霜 www.tangshuang.net著作权归作者所有，禁止商业用途转载。剪除之后
【访问 www.tangshuang.net 获取更多精彩内容】本文版权归作者所有，未经授权不得转载。可以听到，剪除之后，所有空白的部分都被剪本文版权归作者所有，未经授权不得转载。本文版权归作者所有，未经授权不得转载。除了，听起来显得紧凑连贯。
本文作者：唐霜，转载请注明出处。转载请注明出处：www.tangshuang.net这在播客节目的音视频中，更加显得效果明显原创内容，盗版必究。【原创不易，请尊重版权】。
【访问 www.tangshuang.net 获取更多精彩内容】【作者：唐霜】【本文首发于唐霜的博客】未经授权，禁止复制转载。而且，对于用户来说，他可以很容易在分析结原创内容，盗版必究。原创内容，盗版必究。果图中看到被剪除的时间段，甚至，可以通过【原创不易，请尊重版权】【转载请注明来源】点击来避免某些片段被剪除。
【未经授权禁止转载】本文作者：唐霜，转载请注明出处。【本文受版权保护】【原创不易，请尊重版权】
当然，用户还可以实时点击生成预览，在下载【本文受版权保护】【关注微信公众号：wwwtangshuangnet】前确定剪辑是符合预期的。
本文作者：唐霜，转载请注明出处。【转载请注明来源】【关注微信公众号：wwwtangshuangnet】【本文首发于唐霜的博客】实现原理
整个应用完全由前端技术实现，没有后端。接著作权归作者所有，禁止商业用途转载。【版权所有】唐霜 www.tangshuang.net下来，聊一聊它的实现原理。
【关注微信公众号：wwwtangshuangnet】【版权所有】唐霜 www.tangshuang.net音画剥离
在我们拿到用户上传的视频之后，我们要基于【转载请注明来源】【访问 www.tangshuang.net 获取更多精彩内容】视频的音频数据来进行分析，因此，如何拿到本文版权归作者所有，未经授权不得转载。【版权所有，侵权必究】视频的音频数据是关键。在这篇文章中提到，对于AudioContext而言转载请注明出处：www.tangshuang.net【未经授权禁止转载】，来源是视频还是音频没有区别，也就是说，【原创内容，转载请注明出处】原创内容，盗版必究。我们直接把视频的ArrayBuffer丢【关注微信公众号：wwwtangshuangnet】【版权所有，侵权必究】给AudioContext，最后就能拿到【版权所有】唐霜 www.tangshuang.net【关注微信公众号：wwwtangshuangnet】纯音频的数据。
【关注微信公众号：wwwtangshuangnet】【未经授权禁止转载】转载请注明出处：www.tangshuang.net【版权所有，侵权必究】不过，因为我之前有开发Videa的经验，一开始我就用webav这个库解析本文版权归作者所有，未经授权不得转载。【转载请注明来源】视频，所以，我是通过直接向AudioCl【版权所有】唐霜 www.tangshuang.net著作权归作者所有，禁止商业用途转载。ip中塞入视频的文件流，也可以获得音频的本文版权归作者所有，未经授权不得转载。转载请注明出处：www.tangshuang.net数据，而且AudioClip可以直接使用【转载请注明来源】转载请注明出处：www.tangshuang.netgetPCMData来获取pcm数据，这【本文首发于唐霜的博客】【转载请注明来源】样更方便。
【作者：唐霜】转载请注明出处：www.tangshuang.net作为开发者，选择任何一种都可以。
【本文首发于唐霜的博客】原创内容，盗版必究。【版权所有，侵权必究】【转载请注明来源】波形图和静音分析
音频数据的本质，就是一组声道的Float原创内容，盗版必究。本文版权归作者所有，未经授权不得转载。32Array数据，这些数据本质上代表了【本文受版权保护】【转载请注明来源】声音的量化。
【版权所有，侵权必究】【访问 www.tangshuang.net 获取更多精彩内容】转载请注明出处：www.tangshuang.net【本文受版权保护】我们在计算机中如何表达一份声音信息呢？或【本文受版权保护】本文版权归作者所有，未经授权不得转载。者说，我们如何将连续的声波信号转化为离散【本文受版权保护】本文作者：唐霜，转载请注明出处。的数值（模数转换）呢？首先，第一个概念叫转载请注明出处：www.tangshuang.net未经授权，禁止复制转载。做“采样（Sampling）”，我们以固著作权归作者所有，禁止商业用途转载。【原创不易，请尊重版权】定的频率对声波进行测量，例如每秒钟测量4【本文首发于唐霜的博客】转载请注明出处：www.tangshuang.net4100次，那么采样率（SampleRa原创内容，盗版必究。【版权所有】唐霜 www.tangshuang.nette）就是44100。而每次测量都会得到【版权所有】唐霜 www.tangshuang.net著作权归作者所有，禁止商业用途转载。一个数值，这个数值代表了采样的振幅，也就著作权归作者所有，禁止商业用途转载。未经授权，禁止复制转载。是声音的强度。把声音的强度用一个数值表示【访问 www.tangshuang.net 获取更多精彩内容】【原创内容，转载请注明出处】，就是第二个概念“量化”。而Float3本文作者：唐霜，转载请注明出处。【关注微信公众号：wwwtangshuangnet】2数值表示带小数点的数值，这对精确白送声【原创不易，请尊重版权】著作权归作者所有，禁止商业用途转载。波振幅很有帮助。通常，这些浮点数会被标准本文版权归作者所有，未经授权不得转载。本文作者：唐霜，转载请注明出处。化为-1.0到1.0的范围内，0.0表示【版权所有，侵权必究】著作权归作者所有，禁止商业用途转载。静音。这个标准化实际上没有标准，不同的设本文版权归作者所有，未经授权不得转载。【转载请注明来源】备可能存在误差。而如果声音有多声道（立体【原创不易，请尊重版权】本文版权归作者所有，未经授权不得转载。声，双声道），数据通常以交错格式存储，例原创内容，盗版必究。著作权归作者所有，禁止商业用途转载。如，Float32Array中第一个元素【原创内容，转载请注明出处】【本文受版权保护】是左声道的第一帧，第二个元素是右声道的第著作权归作者所有，禁止商业用途转载。本文作者：唐霜，转载请注明出处。一帧，第三个是左声道的第二帧，依此类推。【访问 www.tangshuang.net 获取更多精彩内容】本文作者：唐霜，转载请注明出处。但是，在js中，通常，接口会返回多个Fl【访问 www.tangshuang.net 获取更多精彩内容】本文版权归作者所有，未经授权不得转载。oat32Array，每个Float32本文作者：唐霜，转载请注明出处。原创内容，盗版必究。Array表示一个声道的数据。另外，Fl本文版权归作者所有，未经授权不得转载。著作权归作者所有，禁止商业用途转载。oat32Array存储的是原始的PCM【本文受版权保护】【访问 www.tangshuang.net 获取更多精彩内容】，也就是未经压缩的音频数据。
【作者：唐霜】【本文首发于唐霜的博客】我们拿到一个声道的Float32Arra转载请注明出处：www.tangshuang.net【版权所有】唐霜 www.tangshuang.nety数据之后，就可以基于它的特性，画出一条【作者：唐霜】本文版权归作者所有，未经授权不得转载。在固定范围内来来回回的折线图，它之所以是【本文受版权保护】【原创不易，请尊重版权】在固定范围，是因为数据被标准化在-1.0【版权所有】唐霜 www.tangshuang.net【转载请注明来源】到1.0之间，如果我们使用了一个高度为2【版权所有】唐霜 www.tangshuang.net未经授权，禁止复制转载。0像素的canvas作为画布，那么上面的本文版权归作者所有，未经授权不得转载。未经授权，禁止复制转载。10像素画值在0-1之间的点，下面点10本文作者：唐霜，转载请注明出处。本文作者：唐霜，转载请注明出处。像素画值在-1～0之间的点，当然，由于我原创内容，盗版必究。【访问 www.tangshuang.net 获取更多精彩内容】们使用简单点lineTo方法，就会让我们著作权归作者所有，禁止商业用途转载。著作权归作者所有，禁止商业用途转载。的整个图形是一个折线图。而这个图也就是我【作者：唐霜】【作者：唐霜】们音频文件所对应的声波图。
【版权所有】唐霜 www.tangshuang.net原创内容，盗版必究。在理解了声波图的原理之后，我们做静音分析本文版权归作者所有，未经授权不得转载。【原创内容，转载请注明出处】就很简单了，总的原则就是找出Float3本文作者：唐霜，转载请注明出处。【关注微信公众号：wwwtangshuangnet】2Array中，数值靠近0的那些连续的点【访问 www.tangshuang.net 获取更多精彩内容】著作权归作者所有，禁止商业用途转载。，并且找出它们对应的时间。
【转载请注明来源】未经授权，禁止复制转载。【访问 www.tangshuang.net 获取更多精彩内容】【版权所有】唐霜 www.tangshuang.net为了找到这些连续的点所形成的片段，我们需本文作者：唐霜，转载请注明出处。【关注微信公众号：wwwtangshuangnet】要引入3个设定值：
【未经授权禁止转载】【版权所有】唐霜 www.tangshuang.net- dBFS：最大振幅表示为0dBFS，振幅【未经授权禁止转载】【转载请注明来源】越小dBFS越小，因此，我们只会考虑通过著作权归作者所有，禁止商业用途转载。【访问 www.tangshuang.net 获取更多精彩内容】负值的dBFS来控制声音选择，例如我们设【版权所有】唐霜 www.tangshuang.net【本文首发于唐霜的博客】定 -40dBFS 代表我们会把声音小于【原创内容，转载请注明出处】【本文受版权保护】 -40dBFS 的点标记为要剪除的点 【作者：唐霜】【版权所有，侵权必究】
- 最短静音时长：虽然我们会标记 -40dB转载请注明出处：www.tangshuang.net【本文受版权保护】FS 的点，但是，这些点必须是连续的点才转载请注明出处：www.tangshuang.net【原创内容，转载请注明出处】能作为我们剪除的目标，最短静音时长就给了原创内容，盗版必究。本文版权归作者所有，未经授权不得转载。我们一个标准，例如我们设定为 400ms【关注微信公众号：wwwtangshuangnet】本文版权归作者所有，未经授权不得转载。，那么这些静音点，必须达到连续时长在 4【未经授权禁止转载】【版权所有，侵权必究】00ms 以上，才能算一段空白，才需要被【关注微信公众号：wwwtangshuangnet】【原创不易，请尊重版权】剪除，低于 400ms 的只能算停顿，不【版权所有，侵权必究】著作权归作者所有，禁止商业用途转载。被剪除 未经授权，禁止复制转载。未经授权，禁止复制转载。【访问 www.tangshuang.net 获取更多精彩内容】未经授权，禁止复制转载。
- 分析窗口：对于一条Float32Arra本文版权归作者所有，未经授权不得转载。【原创不易，请尊重版权】y来说，其实是非常长非常长的，如果每个点【本文受版权保护】【访问 www.tangshuang.net 获取更多精彩内容】都去计算和对比，就显得非常臃肿，因此，我本文作者：唐霜，转载请注明出处。原创内容，盗版必究。们把整条Float32Array划分为平【访问 www.tangshuang.net 获取更多精彩内容】著作权归作者所有，禁止商业用途转载。均的小片段，现在，我们把每一个小片段作为著作权归作者所有，禁止商业用途转载。【本文首发于唐霜的博客】一个点来对待，取这个小片段内所有值的平均【未经授权禁止转载】【访问 www.tangshuang.net 获取更多精彩内容】值为这个小片段所代表的点的值，再用这个值著作权归作者所有，禁止商业用途转载。转载请注明出处：www.tangshuang.net去和设定的dBFS值对比。分析窗口的目的【转载请注明来源】【版权所有】唐霜 www.tangshuang.net是减少运算次数，提升性能。 【关注微信公众号：wwwtangshuangnet】未经授权，禁止复制转载。【未经授权禁止转载】
另外，我们还可以获取音频的总时长作为参考转载请注明出处：www.tangshuang.net本文作者：唐霜，转载请注明出处。，从而计算出每一个点所对应的时间点。通过【本文受版权保护】未经授权，禁止复制转载。上面这些设计，我们就能分析出这段音频在那【本文首发于唐霜的博客】【版权所有】唐霜 www.tangshuang.net些时间段内，是声音比较小的，需要被剪除的本文作者：唐霜，转载请注明出处。本文作者：唐霜，转载请注明出处。。
【作者：唐霜】原创内容，盗版必究。效果预览
我们通过静音分析，得到了一组时间片段。其本文版权归作者所有，未经授权不得转载。【本文首发于唐霜的博客】实就是一个数值，数值每个元素表示一段静音本文版权归作者所有，未经授权不得转载。【关注微信公众号：wwwtangshuangnet】的开始时间和结束时间。有了这个数值之后，原创内容，盗版必究。原创内容，盗版必究。我们就拿着它，对原视频文件进行不断的切割【转载请注明来源】【原创内容，转载请注明出处】，把这些静音片段对应的部分给裁剪掉，再把【关注微信公众号：wwwtangshuangnet】【本文受版权保护】剩下的拼接在一起，就是最后我们想要的视频【未经授权禁止转载】【版权所有】唐霜 www.tangshuang.net。
原创内容，盗版必究。本文作者：唐霜，转载请注明出处。【转载请注明来源】但是，如何实时预览这个结果呢？
【访问 www.tangshuang.net 获取更多精彩内容】【原创不易，请尊重版权】【未经授权禁止转载】Webav提供了av-canvas来实时未经授权，禁止复制转载。本文作者：唐霜，转载请注明出处。渲染。它本身通过clip来进行拆分音视频原创内容，盗版必究。【版权所有，侵权必究】，我们只需要使用clip.split接口【未经授权禁止转载】著作权归作者所有，禁止商业用途转载。就可以进行视频切割。按照一定的逻辑，拆分未经授权，禁止复制转载。【版权所有，侵权必究】后得到一大堆clip，在把这些clip转未经授权，禁止复制转载。本文作者：唐霜，转载请注明出处。化为sprite，再根据各自的时长进行处【原创不易，请尊重版权】【版权所有】唐霜 www.tangshuang.net理塞进canvas，就可以得到经过剪除后【版权所有，侵权必究】未经授权，禁止复制转载。的连续视频实时播放器。
【访问 www.tangshuang.net 获取更多精彩内容】著作权归作者所有，禁止商业用途转载。导出音频
通过webav进行导出比较简单，通过它c【关注微信公众号：wwwtangshuangnet】【版权所有，侵权必究】ombiner的output接口就可以得原创内容，盗版必究。原创内容，盗版必究。到一个readablestream，再遍【版权所有】唐霜 www.tangshuang.net本文版权归作者所有，未经授权不得转载。历后创建一个blob就可以了。它有两种方未经授权，禁止复制转载。未经授权，禁止复制转载。式，一种是通过上面的av-canvas，转载请注明出处：www.tangshuang.net本文作者：唐霜，转载请注明出处。实时预览播放器实例化后，从这个canva转载请注明出处：www.tangshuang.net未经授权，禁止复制转载。s创建combiner来导出，这样可以实本文作者：唐霜，转载请注明出处。【原创内容，转载请注明出处】时预览复用节省资源。还有一种是利用off【原创不易，请尊重版权】转载请注明出处：www.tangshuang.netscreensprite，实现离屏渲染，本文作者：唐霜，转载请注明出处。本文作者：唐霜，转载请注明出处。这种方式可以脱离界面上渲染后才能导出的窘【原创不易，请尊重版权】【转载请注明来源】境，做到没有预览也可以直接导出。
著作权归作者所有，禁止商业用途转载。原创内容，盗版必究。但是，webav没有直接导出音频的接口。未经授权，禁止复制转载。转载请注明出处：www.tangshuang.net一开始我也被卡住了，直到我再次搜到这篇文章才恍然大悟，虽然webav只能导出视频，本文版权归作者所有，未经授权不得转载。著作权归作者所有，禁止商业用途转载。但是导出视频的blob之后，读取其arr【版权所有】唐霜 www.tangshuang.net【作者：唐霜】ayBuffer，再塞入AudioCon转载请注明出处：www.tangshuang.net著作权归作者所有，禁止商业用途转载。text，无视其是视频还是音频，也就可以【版权所有】唐霜 www.tangshuang.net【原创不易，请尊重版权】导出音频了。
【访问 www.tangshuang.net 获取更多精彩内容】原创内容，盗版必究。视频格式转换
在整个设计中，由于使用了webav作为预原创内容，盗版必究。本文版权归作者所有，未经授权不得转载。览，而它只支持mp4视频，因此，在进行后本文作者：唐霜，转载请注明出处。原创内容，盗版必究。续的处理时，先将非mp4格式的视频转换为本文作者：唐霜，转载请注明出处。【关注微信公众号：wwwtangshuangnet】mp4的视频，就非常重要。在用户点击上传【原创不易，请尊重版权】著作权归作者所有，禁止商业用途转载。后，通过ffmpeg.wasm将视频格式【本文首发于唐霜的博客】【未经授权禁止转载】进行转换。可是，要接入ffmpeg.wa转载请注明出处：www.tangshuang.net未经授权，禁止复制转载。sm实在是太麻烦了，不仅要准备各种代码、【原创不易，请尊重版权】未经授权，禁止复制转载。文件，而且要修改服务端的headers配未经授权，禁止复制转载。【版权所有】唐霜 www.tangshuang.net置。在经过一整天的折腾后，才最终完成了接【未经授权禁止转载】【未经授权禁止转载】入。而接入后，转换视频格式就显得非常简单本文作者：唐霜，转载请注明出处。【作者：唐霜】了，只需要一条ffmpeg命令就可以完成本文版权归作者所有，未经授权不得转载。转载请注明出处：www.tangshuang.net。
【转载请注明来源】【转载请注明来源】使用链接
【访问 www.tangshuang.net 获取更多精彩内容】【未经授权禁止转载】【关注微信公众号：wwwtangshuangnet】结束语
通过这篇，你可以掌握实现一个静音过滤器的【原创内容，转载请注明出处】【转载请注明来源】实现思路。很久没有写技术性的文章了，也很【版权所有，侵权必究】未经授权，禁止复制转载。难再细致的把每一个细节都写出来，从几年前【未经授权禁止转载】转载请注明出处：www.tangshuang.net开始，就只写思路，没有实现代码了。如果你【版权所有】唐霜 www.tangshuang.net【原创内容，转载请注明出处】在按照这个思路实现时，遇到什么问题，请在【访问 www.tangshuang.net 获取更多精彩内容】著作权归作者所有，禁止商业用途转载。下面留言，我们一起讨论。
转载请注明出处：www.tangshuang.net原创内容，盗版必究。2025-08-25 2426
