我曾尝试Sox从audio文件中删除沉默和噪音。 我想知道它的技术细节来理解它。 在专业软件可以依靠它之前，这对于理解它是很重要的（我知道它很好用，并且被许多人所使用）
当使用Noise Profile对Noise进行采样，然后使用Noisered进行去除时，Sox在这个过程中究竟做了什么？ 类似地，当添加VAD效果时。 有没有技术上的解释或一些我可以阅读理解它的文件。
由于我的研究（语音和音乐的科学基础知识，通信科学），我有一个信号处理的背景，只是看了一下sox的降噪算法的代码。
如果不进行太深的分析，似乎是对噪声轮廓和原始信号进行FFT，然后从后者中减去第一个信号，再次执行FFT合成，重新生成类似于原始信号的信号。
通过这个过程，它应该减少所有的频率出现在噪声信号的数量。
整个过程似乎是一个一个窗口，应该允许流式传输。
正如我刚才所说，这只是基于我的背景知识和我在代码中所做的简短的一瞥，所以可能有一些我没有掌握的方面。
编辑：
我也浏览了VAD代码。 那个人似乎监视出现在指定范围内的频率的频谱，如果是的话，就声明这是“声音”。 所有没有声明“声音”的部分（窗口）然后沉默（AFAICS）。 有效地，这将消除纯语音记录中的所有背景噪音。