如何获得准确的音频时基
How to get an accurate audio time-base
我对使用音频文件作为及时发生的事件的记录很感兴趣。那就是我将有多个数据流需要及时对齐，我想使用音频文件作为参考。所以，我想知道是否有可能获得音频流的实际时基，作为相对于实时时钟的参考？
我很欣赏可以根据样本计数和采样频率（比如 16KHz）确定音频剪辑的持续时间。对于短片，这可能是一个很好的估计，但对于长时间（多小时的录音），这个估计的准确度如何？我想在多个小时内保持亚秒级精度。
换句话说，音频文件是否存储录音的实际开始和停止时间，以 RTC（实时时钟）为参考。这将允许为音频文件中的每个样本生成时基。如果是这样，我可以从 python 音频库中获取这些数据吗？
我正在使用 MP4/AAC 在 Android 平台上进行编码，并使用 pydub 进行 post 处理。
谢谢。
我们想出了一个看似笨拙的答案，但老实说对我们来说效果很好。似乎音频格式规范不允许存储会话开始和结束的时间码。因此，相反，我们将开始时间戳编码为毫秒级分辨率，记录按钮被按下的那一刻，作为文件名中的字符串 ("2017-02-13_10-04-27-943") 并记录音频会话。然后当录制停止时，我们抓取另一个时间戳，以毫秒为单位计算时间差，然后在文件名中附加持续时间作为字符串，就在关闭文件后 ("Dur123456")。因此，时间开始和持续时间参考 Android phone 上的 RTC（实时时钟）。然后我们能够将 WAV/PCM 时基重新映射到真实持续时间。事实证明，“16KHz”实际上并不是 16,000Hz。对于 10 分钟的录音，我们发现了大约几秒的错误。它可能看起来并不多，但对于多小时的录音来说，它会加起来。谢谢。
我对使用音频文件作为及时发生的事件的记录很感兴趣。那就是我将有多个数据流需要及时对齐，我想使用音频文件作为参考。所以，我想知道是否有可能获得音频流的实际时基，作为相对于实时时钟的参考？
我很欣赏可以根据样本计数和采样频率（比如 16KHz）确定音频剪辑的持续时间。对于短片，这可能是一个很好的估计，但对于长时间（多小时的录音），这个估计的准确度如何？我想在多个小时内保持亚秒级精度。
换句话说，音频文件是否存储录音的实际开始和停止时间，以 RTC（实时时钟）为参考。这将允许为音频文件中的每个样本生成时基。如果是这样，我可以从 python 音频库中获取这些数据吗？
我正在使用 MP4/AAC 在 Android 平台上进行编码，并使用 pydub 进行 post 处理。
谢谢。
我们想出了一个看似笨拙的答案，但老实说对我们来说效果很好。似乎音频格式规范不允许存储会话开始和结束的时间码。因此，相反，我们将开始时间戳编码为毫秒级分辨率，记录按钮被按下的那一刻，作为文件名中的字符串 ("2017-02-13_10-04-27-943") 并记录音频会话。然后当录制停止时，我们抓取另一个时间戳，以毫秒为单位计算时间差，然后在文件名中附加持续时间作为字符串，就在关闭文件后 ("Dur123456")。因此，时间开始和持续时间参考 Android phone 上的 RTC（实时时钟）。然后我们能够将 WAV/PCM 时基重新映射到真实持续时间。事实证明，“16KHz”实际上并不是 16,000Hz。对于 10 分钟的录音，我们发现了大约几秒的错误。它可能看起来并不多，但对于多小时的录音来说，它会加起来。谢谢。