我建议你以至少10毫秒的时间段进行循环，以便更快地完成（更少的迭代），而且因为单个样本并没有真正的“响度”。
声音是振动，所以至少需要2个样本来检测是否有任何声音，（但这只会告诉你高频）。
不管怎么说...这样的东西可以工作：

from pydub import AudioSegment

def detect_leading_silence(sound, silence_threshold=-50.0, chunk_size=10):
    '''
    sound is a pydub.AudioSegment
    silence_threshold in dB
    chunk_size in ms

    iterate over chunks until you find the first one with sound
    '''
    trim_ms = 0 # ms

    assert chunk_size > 0 # to avoid infinite loop
    while sound[trim_ms:trim_ms+chunk_size].dBFS < silence_threshold and trim_ms < len(sound):
        trim_ms += chunk_size

    return trim_ms

sound = AudioSegment.from_file("/path/to/file.wav", format="wav")

start_trim = detect_leading_silence(sound)
end_trim = detect_leading_silence(sound.reverse())

duration = len(sound)    
trimmed_sound = sound[start_trim:duration-end_trim]

pydub可能在第一次提出这个问题后已经更新了，但下面是我用来修剪尾随和前导静音的代码：

from pydub import AudioSegment
from pydub.silence import detect_leading_silence

trim_leading_silence = lambda x: x[detect_leading_silence(x) :]
trim_trailing_silence = lambda x: trim_leading_silence(x.reverse()).reverse()
strip_silence = lambda x: trim_trailing_silence(trim_leading_silence(x))

sound: AudioSegment = AudioSegment.from_file("path/to/file.wav")
stripped: AudioSegment = strip_silence(sound)

detect_leading_silence from pydub.silence为您提供了可以用于对加载的AudioSegment进行切片的索引。基本上，您可以反转AudioSegment，修剪它，然后再次反转它以修剪拖尾静音。从两端剥离沉默就等于修剪前导沉默和尾随沉默。
请注意，如果加载的AudioSegment是静默的或在修剪操作后变为静默，则strip_silence应引发IndexError。
上次我查看时，默认块大小为10 ms，默认静默阈值为-50 dBFS。
我的pydub版本是0.25.1，我的ffmpeg版本是4.3.1。

你可以这样写代码：

from pydub.silence import detect_nonsilent

def remove_sil(path_in, path_out, format="wav"):
    sound = AudioSegment.from_file(path_in, format=format)
    non_sil_times = detect_nonsilent(sound, min_silence_len=50, silence_thresh=sound.dBFS * 1.5)
    if len(non_sil_times) > 0:
        non_sil_times_concat = [non_sil_times[0]]
        if len(non_sil_times) > 1:
            for t in non_sil_times[1:]:
                if t[0] - non_sil_times_concat[-1][-1] < 200:
                    non_sil_times_concat[-1][-1] = t[1]
                else:
                    non_sil_times_concat.append(t)
        non_sil_times = [t for t in non_sil_times_concat if t[1] - t[0] > 350]
        sound[non_sil_times[0][0]: non_sil_times[-1][1]].export(path_out, format='wav')