把手机里的写歌备忘按「能不能用」过一遍，我写了个筛选脚本

写歌的备忘散在三个地方：手机语音备忘录、一个旧安卓机的录音文件夹、还有微信里发给自己的一堆语音。真要开工的时候，问题不是没素材，是不知道哪条还能用。我给自己定了个很土的标准：时长在 20 秒以上、没有明显静音开头、音量不是小到听不见，先过一遍再谈灵感。

做法是拿 ffprobe 和 ffmpeg 先量，再筛。目录里一堆 m4a 和 amr，amr 得先转，不然 ffprobe 读不到时长：

for f in *.amr; do
  ffmpeg -loglevel error -i "$f" -ar 44100 "${f%.amr}.wav"
done

然后统一量时长和开头 3 秒的平均音量，输出成一行一条：

for f in *.wav *.m4a; do
  d=$(ffprobe -v error -show_entries format=duration -of csv=p=0 "$f")
  v=$(ffmpeg -hide_banner -i "$f" -t 3 -af volumedetect -f null - 2>&1 | grep mean_volume | awk '{print $5}')
  echo "$d\t$v\t$f"
done > list.tsv

筛的时候我用 awk，时长 20 秒以上、开头音量大于 -40 dB 的留下：

awk -F'\t' '$1>=20 && $2>-40' list.tsv | sort -t$'\t' -k1,1nr > keep.tsv

为什么这么干：我不是要选出好听的，是要把「根本听不清」的先扔掉，剩下的全部人工过。代价是准，但慢——每一条还是要自己点开听，脚本只负责把候选从几百条压到几十条。开头音量用 3 秒做窗口，是因为很多语音备忘第一秒还在掏手机。

会失效的地方我踩过：有的录音开头是风声或衣服摩擦，音量够但内容为零；有的整段是低声哼，mean_volume 很低却被误杀；还有 amr 转 wav 之后时长会轻微变，卡在 20 秒边缘的会被误判。所以我最后没敢自动删，只把 keep.tsv 和 drop.tsv 分开放，drop 的也留着。

现在的问题是：你们处理这种「不知道哪条还能用」的旧录音，是先按客观指标过一遍，还是直接一条条听？我有点想加个「开头 3 秒有没有人声」的判断，但不确定值不值得。