我正在寻找一种从视频中消除人声的方法。最初，我有以下几点:
video1有图像，只有没有人声，而voice1只有一个人声。然后我将video1和voice1组合在一起，创建video2.m4，因此在video2中，我既可以听到video1的声音，也可以听到voice1的声音。值得一提的是video1和voice1的长度相同，约为2分钟。
这是一年前。我不小心删除了video1.mp4，但仍然有video2和voice1。现在，我需要再次获取video1.mp4。换句话说，如何从video2中删除voice1？ 如何从video2消除人的声音？
我不在乎是通过软件，命令行，甚至是计算机代码(也许是Phyton；我听说Python可以用音频做一些很棒的事情)。
注意:StackOverflow(Removal of Human Voice from a video or audio file)中也有类似的问题，但是没有说明如何删除音频。
最佳答案
问题
与其将其视为消除不必要声音的问题，不如将其视为消除两个信号之和。目前，我们要考虑三个音频信号，让我们称之为
A:video1.mp4的音轨B:voice1.mp3的音频C:A和B(即C = A + B)之和，现在是video2.mp4 我们不再可以访问
A，但是仍然可以使用B和C。理想情况
理想情况假设:
A与B的长度相同解
这种情况下的解决方案相当简单，我们要做的就是将
B乘以-1的增益值(即反相)，然后将其与信号C相加。如果
C = A + B
然后
A = C - B
A = C + (B * -1)
首先考虑到这些信号的总和，我假设您可以使用某些音频/视频编辑软件。要反转
B，可以将文件导入以下内容之一:任何可以编辑音频的软件也应该能够转换音频信号。对于正在使用中进行即时调整的DAW，将
C和B放在同一个项目中可能是理想的。注意事项
B的增益(即C = A + xB)，则解决方案仍然是微不足道的，因为您只需将-B乘以一个系数x B与A的长度不同，则需要正确地将-B与C对齐，以消除信号。 非理想情况
如果您考虑对
B进行了某些处理，则解决方案会涉及更多一点。该过程可以是任何东西，包括滤波(EQ)，延迟，混响，音高变化，速度变化。让我们将此过程称为H()函数，如果B是该过程的输入，则为:H(B)。，即
C = A + H(B)
我们可以在更长的时间内简单地反转
B，我们现在需要首先将完全相同的过程应用于B，然后反转，因为H(B)可能不等于H(-B)。您应该首先以完全相同的方式处理B，然后最后将其反转。如果由于某种原因您不记得应用于
B的过程，那么您可能会有些困惑。在这种情况下，您最好的选择是尝试通过错误尝试重新创建流程。除非您完全匹配该过程，否则H(B)可能会有些残留。