ASR 转写里标出了要隐去的词，怎样把时间段变成音频静音副本

先人工指定需要遮蔽的词id，按时间段加保护边界、裁到音频有效范围、合并重叠，再写静音副本。时间戳可能偏移，静音一个区间不能自动保证隐私充分；必须回听边缘及重叠声音。

用音调隔离处理机制

附件synthetic.wav是本地绘制的两秒440Hz合成音调，不是真人语音，也没有实际ASR识别结果。word-times.json里的词时间是演示元数据，两段需遮蔽区间分别0.5至0.8秒与0.78至1.0秒。这样可以核查采样操作，而不会把演示音调描述成模型转写准确率实测。真实使用前应人工确认词id与源音频版本一致。

秒数映射到采样区间

默认样例是单声道、16位PCM、采样率8000Hz，脚本换算读取WAV头里的实际采样率，左右各加0.05秒保护。开始用floor向下取整，结束用ceil向上取整，并裁到0至总帧数范围；结果两段重叠，合并为采样区间[3600,8400)。区间右端不包含，总共4800个采样点静音。替换成16000Hz的两秒合成源时，相同秒区间应变为[7200,16800)，共9600个采样点；独立回归已核区内全零、区外字节不变及32000帧保持。不能把字节索引直接当采样索引，16位样本每个占两字节，多声道还要乘通道数。

保留未修改部分与原件

脚本只将对应样本字节设为零，输出redacted.wav，输入不覆盖。sample-ranges.csv记录实际修改的采样范围，便于独立比较原文件和副本：范围外字节应保持一致，范围内为零，文件仍应有16000帧。直接删除这段样本会缩短音频，使字幕与其他时间标注错位，本任务选择保留长度的静音。

边缘回听不能省略

失败命令把一段结束时间放到开始之前，程序停止。真实ASR的词边界可能截不干净，保护区过小留下音节，过大则遮掉旁人的重要发言；重叠说话也可能同时受影响。静音跳变处可能出现听感突兀，淡入淡出属于额外处理，不能因此减少应遮蔽范围。这个包只验证PCM区间操作，不处理压缩音频的编码延迟，不自动识别隐私，也不构成完整音频去标识方案。

保存遮蔽记录时，把词id、输入音频摘要和实际采样范围关联起来，避免拿另一版音频复用旧时间。若源文件头部多了片头，所有时间都可能偏移；应先对齐版本再静音，不能依靠扩大保护区掩盖整段偏移问题。

下载与复现

下载完整样例包，解压到一个新文件夹；也可查看全部文件清单和主脚本。使用Python 3.10或更新版本，在解压目录运行。此脚本只使用标准库，无需安装额外包。

python -B run.py
python -B run.py --negative

先查看主要结果，再修改输入重跑；已有输入会保留，结果写回同目录。边界命令可能故意非零退出，也可能输出明确的不适用状态，按正文说明判断，不把所有非零退出都当成安装故障。

依据与延伸阅读

资料核对日期为2026年10月24日。一手资料1：wave模块读写PCM WAV及帧参数，音频隐私判断与ASR准确率不由该模块保证。

继续阅读：把 ASR 词级时间戳合成句子，怎样保留每句话对应的原始词；AI 转写做成字幕后删掉了几段视频，怎样让字幕跟着剪辑表一起移动；AI 字幕开头对齐、越往后越偏，怎样用两个同步点区分固定偏移和速度漂移。