مقدمه (Introduction)

برنامه SoX فایل‌های صوتی را در بیشتر قالب‌های رایج خوانده و می‌نویسد و می‌تواند به‌صورت اختیاری جلوه‌هایی را روی آن‌ها اعمال کند. این ابزار می‌تواند چندین منبع ورودی را ترکیب کند، صوت تولید نماید (سنتز کند) و در بسیاری از سیستم‌ها، به‌عنوان یک پخش‌کننده صوتی چندمنظوره یا یک ضبط‌کننده صوتی چندترکه عمل کند. همچنین می‌تواند ورودی را به چندین فایل خروجی تقسیم نماید.

تمامی قابلیت‌های SoX تنها با استفاده از دستور sox_ng در دسترس هستند. برای ساده‌تر کردن پخش و ضبط صدا، اگر SoX به‌صورت play_ng فراخوانی شود، فایل خروجی به‌طور خودکار روی دستگاه صوتی پیش‌فرض تنظیم می‌شود؛ و اگر به‌صورت rec_ng فراخوانی گردد، دستگاه صوتی پیش‌فرض به‌عنوان منبع ورودی استفاده می‌شود. علاوه بر این، دستور soxi_ng روشی آسان برای دریافت اطلاعات سرآیند فایل صوتی فراهم می‌کند.

هسته اصلی SoX کتابخانه‌ای به نام libsox_ng است. علاقه‌مندان به توسعه SoX یا استفاده از آن در سایر برنامه‌ها باید به صفحه راهنمای libsox_ng مراجعه کنند.

برنامه SoX یک ابزار پردازش صوت خط فرمانی است که به‌ویژه برای ویرایش‌های سریع و ساده و پردازش دسته‌ای مناسب است. اگر به یک ویرایشگر صوتی گرافیکی و تعاملی نیاز دارید، از audacity(1) استفاده کنید.

زنجیره کلی پردازش SoX را می‌توان به‌صورت زیر خلاصه کرد:

در خط فرمان SoX، جایگاه Output(s) (خروجی‌ها) و Effects (جلوه‌ها) نسبت به جریان منطقی نشان‌داده‌شده در بالا جابه‌جا شده است؛ و در حالی که گزینه‌های مربوط به فایل‌ها قبل از نام فایل‌های متناظرشان قرار می‌گیرند، این موضوع برای جلوه‌ها برعکس است. برای نشان دادن نحوه کارکرد این ابزار در عمل، در اینجا گزیده‌ای از مثال‌های نحوه استفاده از SoX آورده شده است. دستور سادهٔ

   sox_ng recital.au recital.wav

   sox_ng recital.au -b 16 recital.wav channels 1 rate 16k fade 3 norm

   sox_ng -r 16k -e signed -b 8 -c 1 voice-memo.raw voice-memo.wav

   sox_ng slow.aiff fixed.aiff speed 1.027

   sox_ng short.wav long.wav longer.wav

   sox_ng -m music.mp3 voice.wav mixed.flac

   play_ng "The Moonbeams/Greatest/*.ogg" bass +3

   play_ng -n -c1 synth sin %-12 sin %-9 sin %-5 sin %-2 fade h 0.1 1 0.1

   rec_ng -c 2 radio.aiff trim 0 30:00

   play_ng -q take1.aiff & rec -M take1.aiff take1-dub.aiff

   rec_ng -r 44100 -b 16 -e signed-integer -p \
	silence 1 0.50 0.1% 1 10:00 0.1% | \
	sox_ng -p song.ogg silence 1 0.50 0.1% 1 2.0 0.1% : \
	newfile : restart

آنچه در بالا آمد صرفاً یک نمای کلی از قابلیت‌های SoX است. توضیحات دقیق درباره نحوه استفاده از تمام پارامترها، قالب‌های فایل و جلوه‌های SoX را می‌توانید در ادامه این راهنما، در soxformat_ng(7) و در soxi_ng(1) بیابید..SS انواع قالب پرونده (File Format Types) دستور SoX می‌تواند با پرونده‌های صوتی «خودتوصیف‌گر» (self-describing) و «خام» (raw) کار کند. قالب‌های «خودتوصیف‌گر» (مانند WAV، FLAC و MP3) دارای یک سرآیند هستند که مشخصات سیگنال و ویژگی‌های کدگذاری داده‌های صوتی پس از خود را به‌طور کامل توصیف می‌کند. قالب‌های «خام» یا «بدون سرآیند» فاقد این اطلاعات هستند، بنابراین ویژگی‌های صوتی آن‌ها باید در خط فرمان SoX توصیف شود، به‌جز موارد معدودی که می‌توان آن‌ها را از پسوند نام پرونده استنباط کرد؛ مانند .gsm که همیشه -c1 -r8000 -e gsm است، و قالب‌های خام نام‌گذاری‌شده مانند .f32، .s16 و .ul که نوع کدگذاری را مشخص می‌کنند اما نرخ نمونه‌برداری یا تعداد کانال‌ها را نشان نمی‌دهند.

چهار ویژگی زیر برای توصیف قالب داده‌های صوتی به کار می‌روند:

نرخ نمونه‌برداری (sample rate)

نرخ نمونه‌برداری بر حسب نمونه در ثانیه («هرتز» یا «Hz»). تلفن‌های دیجیتال به‌طور سنتی از نرخ نمونه‌برداری 8000Hz (۸ کیلوهرتز) استفاده می‌کنند، اگرچه 16 و حتی 32kHz در حال رایج‌تر شدن هستند. لوح‌های فشرده صوتی (CD) از 44100Hz (44.1kHz)، نوارهای صوتی دیجیتال (DAT) و بسیاری از سیستم‌های رایانه‌ای از 48kHz و سیستم‌های صوتی حرفه‌ای اغلب از 96kHz استفاده می‌کنند.

اندازه نمونه (sample size)

تعداد بیت‌های استفاده‌شده برای ذخیره هر نمونه. امروزه 16-bit به‌طور معمول استفاده می‌شود؛ 8-bit در روزهای نخستین صدای رایانه‌ای محبوب بود و 24-bit در حوزه‌های صوتی حرفه‌ای به کار می‌رود.

کدگذاری داده‌ها (data encoding)

شیوه‌ای که هر نمونه صوتی با آن بازنمایی (یا «کدگذاری») می‌شود. برخی کدگذاری‌ها دارای انواعی با ترتیب بایت‌ها یا ترتیب بیت‌های متفاوت هستند؛ برخی داده‌های صوتی را فشرده می‌کنند تا نسبت به قالب‌های فشرده‌نشده، فضای دیسک یا پهنای باند انتقال کمتری مصرف کند. انواع کدگذاری‌های پرکاربرد شامل ممیز شناور (floating point)، μ-law، ADPCM، PCM عدد صحیح علامت‌دار (signed-integer PCM)، MP3 و FLAC هستند.

کانال‌ها (channels)

تعداد کانال‌های صوتی موجود در پرونده. یک کانال («مونو») و دو کانال («استریو») به‌طور گسترده استفاده می‌شوند و صدای «فراگیر» (surround sound) معمولاً شامل شش کانال یا بیشتر است.

اصطلاح «نرخ بیت» (bit rate) معیاری از میزان فضای ذخیره‌سازی اشغال‌شده توسط یک سیگنال صوتی کدگذاری‌شده در واحد زمان است. این مقدار می‌تواند به تمام موارد فوق بستگی داشته باشد و معمولاً به‌صورت تعداد کیلوبیت بر ثانیه (kbps) نشان داده می‌شود. یک سیگنال تلفنی A-law نرخ بیتی معادل 64 kbps دارد، موسیقی استریوی کدگذاری‌شده با MP3 معمولاً نرخ بیتی بین 128-196 kbps دارد و موسیقی استریوی کدگذاری‌شده با FLAC معمولاً دارای نرخ بیت 550-760 kbps است.

بیشتر قالب‌های خودتوصیف‌گر همچنین اجازه می‌دهند «یادداشت‌ها» (comments) یا متن‌های توصیفی در پرونده جاسازی شوند که می‌توان از آن‌ها برای توصیف صدا به شکلی خاص استفاده کرد؛ مانند عنوان، پدیدآورنده و غیره برای موسیقی.

یکی از کاربردهای مهم یادداشت‌های پرونده‌های صوتی، انتقال اطلاعات «Replay Gain» است. SoX می‌تواند Replay Gain را به‌طور خودکار برای قالب‌هایی که حاوی یادداشت هستند اعمال کند، اما خودش آن را تولید نمی‌کند. به‌طور پیش‌فرض، SoX یادداشت‌ها را از نخستین پرونده ورودی به پرونده‌های خروجی که از یادداشت پشتیبانی می‌کنند رونوشت می‌کند؛ بنابراین ممکن است پرونده‌های خروجی حاوی اطلاعات Replay Gain نادرست باشند. هنگام تبدیل پرونده‌های ورودی با فعال بودن --replay-gain، این مشکل را می‌توان با حذف تمام یادداشت‌ها با استفاده از --comment ""، یا حذف تنها یادداشت REPLAYGAIN به شیوه زیر رفع کرد:

soxi_ng -a in.au | grep -v REPLAYGAIN > comments
sox_ng --replay-gain=track in.au --comment-file comments out.au

تشخیص و تعیین قالب پرونده (Determining and setting the File Format)

دستور SoX از چندین سازوکار برای تشخیص یا تعیین قالب یک پرونده صوتی استفاده می‌کند. بسته به شرایط، ویژگی‌های مجزا ممکن است با استفاده از سازوکارهای متفاوتی تشخیص داده شده یا تنظیم شوند.

برای تشخیص قالب یک پرونده ورودی، SoX به ترتیب اولویت و بر اساس آنچه ارائه‌شده یا موجود است، از موارد زیر استفاده می‌کند:

1.

گزینه‌های قالب در خط فرمان،

2.

محتویات سرآیند پرونده،

3.

پسوند نام پرونده.

برای تعیین قالب پرونده خروجی، SoX به ترتیب اولویت و بر اساس آنچه ارائه‌شده یا موجود است، از موارد زیر استفاده می‌کند:

1.

گزینه‌های قالب در خط فرمان،

2.

پسوند نام پرونده،

3.

ویژگی‌های قالب پرونده ورودی یا نزدیک‌ترین حالتی که توسط نوع پرونده خروجی پشتیبانی می‌شود.

برای تمام پرونده‌ها، در صورتی که نوع پرونده قابل تشخیص نباشد، SoX با یک خطا خارج می‌شود. برای رفع مشکل، ممکن است نیاز به افزودن یا تغییر گزینه‌های قالب در خط فرمان باشد..SS پخش و ضبط صدا دستورهای play_ng و rec_ng برای آسان کردن پخش و ضبط اولیه به سادگی اجرای دستور زیر ارائه شده‌اند:

   play_ng existing-file.wav

   rec_ng new-file.wav

   sox_ng existing-file.wav -d

   sox_ng -d new-file.wav

هنگام پخش فایلی با نرخ نمونه‌برداری که توسط دستگاه خروجی صدا پشتیبانی نمی‌شود، SoX به‌طور خودکار جلوهٔ rate را برای انجام تبدیل نرخ نمونه‌برداریِ لازم فراخوانی می‌کند. برای سازگاری با سخت‌افزارهای قدیمی، سطح کیفیت پیش‌فرض rate روی «low» تنظیم شده است. این مقدار را می‌توان با مشخص کردن صریح جلوهٔ rate با یک سطح کیفیت متفاوت تغییر داد، برای نمونه:

   play_ng ... rate -m

در برخی سیستم‌ها، SoX امکان تنظیم حجم صدای پخش را در زمان استفاده از play_ng فراهم می‌کند. در صورت پشتیبانی، این کار با فشردن کلیدهای «v» و «V» در حین پخش انجام می‌شود. اگر یک جلوهٔ softvol در زنجیره وجود داشته باشد، این کلیدها به جای میکسر سخت‌افزاری، آن را تنظیم خواهند کرد.

برای کمک به تنظیم سطح ضبط مناسب، SoX شامل یک نشانگر سطح اوج (peak level meter) است که می‌توان آن را (پیش از انجام ضبط اصلی) به صورت زیر فراخوانی کرد:

   rec_ng -n

دقت

بسیاری از قالب‌های فایلی که صدا را فشرده می‌کنند، بخشی از اطلاعات سیگنال صوتی را دور می‌ریزند. تبدیل به چنین قالبی و بازگرداندن مجدد آن، نسخه‌ای دقیق از صدای اصلی تولید نخواهد کرد. این مورد برای بسیاری از قالب‌های مورد استفاده در تلفن (مانند A-law و GSM) که در آن‌ها پهنای باند پایین سیگنال مهم‌تر از وفاداری بالای صوتی است، و برای قالب‌های مورد استفاده در پخش‌کننده‌های قابل‌حمل موسیقی (مانند MP3 و Ogg Vorbis) که در آن‌ها وفاداری کافی حتی با نسبت‌های فشرده‌سازی بالای لازم برای کاربردی کردن پخش‌کننده‌های قابل‌حمل حفظ می‌شود، صدق می‌کند.

قالب‌هایی که اطلاعات سیگنال صوتی را دور می‌ریزند «اتلافی» (lossy) نامیده می‌شوند. قالب‌هایی که این کار را نمی‌کنند «بدون‌اتلاف» (lossless) هستند. اصطلاح «کیفیت» به عنوان معیاری برای اندازه‌گیری میزان نزدیکی بازتولید سیگنال صوتی نسبت به نسخهٔ اصلی هنگام استفاده از یک قالب اتلافی به کار می‌رود.

تبدیل فایل صوتی با SoX تا جای ممکن بدون‌اتلاف است؛ یعنی زمانی که از فشرده‌سازی اتلافی استفاده نشود، نرخ نمونه‌برداری یا تعداد کانال‌ها کاهش نیابد، و تعداد بیت‌های استفاده‌شده در قالب مقصد کمتر از قالب مبدأ نباشد. برای نمونه، تبدیل از قالب 8-bit PCM به قالب 16-bit PCM بدون‌اتلاف است، اما تبدیل از قالب 8-bit PCM به A-law (۸ بیتی) بدون‌اتلاف نیست.

پیش از انجام هرگونه پردازش صوتی، SoX تمام فایل‌های صوتی را به یک قالب درونیِ غیرفشردهٔ ۳۲ بیتی تبدیل می‌کند. این بدان معناست که دستکاری فایلی که در یک قالب اتلافی ذخیره شده، می‌تواند موجب اتلاف بیشتر وفاداری صوتی شود. برای نمونه با:

   sox_ng long.mp3 short.mp3 trim 10

به‌طور پیش‌فرض، SoX زمانی که عمق بیت خروجی کمتر از ۲۴ باشد و هر یک از موارد زیر برقرار باشد، به‌طور خودکار دیتر TPDF را اضافه می‌کند:

• کاهش عمق بیت صراحتاً با استفاده از یک گزینه خط فرمان مشخص شده باشد
• قالب فایل خروجی فقط از عمق‌های بیت پایین‌تر از قالب فایل ورودی پشتیبانی کند
• یک جلوه، عمق بیت مؤثر را درون زنجیره پردازش داخلی افزایش داده باشد

برای نمونه، تنظیم بلندی صدا با vol 0.25 برای ذخیره نتایج خود بدون افت کیفیت به دو بیت اضافی نیاز دارد (چرا که 0.25 در مبنای ده برابر با 0.01 در مبنای دو است)، بنابراین، اگر عمق بیت فایل ورودی ۱۶ باشد، نمایش داخلی SoX پس از پردازش این تغییر بلندی صدا، از ۱۸ بیت استفاده خواهد کرد. به منظور ذخیره خروجی با همان عمق بیت ورودی، از دیترینگ برای حذف بیت‌های اضافی استفاده می‌شود.

از گزینه -V برای مشاهده پردازش‌هایی که SoX به‌طور خودکار اضافه کرده است استفاده کنید. گزینه -D (--no-dither) را می‌توان برای لغو دیترینگ خودکار مشخص کرد. برای به‌کارگیری دستی دیترینگ (مثلاً برای انتخاب منحنی شکل‌دهی به نویز) از جلوه dither استفاده کنید.

کلیپینگ (Clipping)

کلیپینگ نوعی اعوجاج است که وقتی سطح سیگنال صوتی (یا «بلندی صدا») از محدوده نمایش انتخابی فراتر می‌رود، رخ می‌دهد. در بیشتر موارد، کلیپینگ نامطلوب است و بنابراین باید با تنظیم سطح قبل از نقطه‌ای از زنجیره پردازش که در آن رخ می‌دهد، تصحیح شود.

در SoX، کلیپینگ می‌تواند هنگام استفاده از جلوه‌های vol یا gain برای افزایش بلندی صدا رخ دهد. کلیپینگ همچنین می‌تواند با بسیاری از جلوه‌های دیگر، هنگام تبدیل یک قالب به قالب دیگر و حتی صرفاً هنگام پخش صدا رخ دهد.

پخش یک فایل صوتی اغلب شامل بازنمونه‌برداری (resampling) و پردازش توسط قطعات آنالوگ است و این امر می‌تواند آفست DC یا تقویت سیگنال ایجاد کند که در صورت نزدیک بودن اولیه سطح سیگنال صوتی به نقطه کلیپینگ، همگی می‌توانند باعث اعوجاج شوند.

به این دلایل، مرسوم است اطمینان حاصل شود که سطح سیگنال یک فایل صوتی مقداری «حاشیه امن» (headroom) داشته باشد، یعنی از یک سطح معین زیر حداکثر سطح ممکنِ نمایشِ داده‌شده فراتر نرود. برخی از سازمان‌های استاندارد تا 9dB حاشیه امن را توصیه می‌کنند، اما در بیشتر موارد، 3dB (≈ ۷۰٪ خطی) کافی است. توجه داشته باشید که به نظر می‌رسد این نکته هوشمندانه در تولید موسیقی امروزی به فراموشی سپرده شده است؛ در واقع، امروزه بسیاری از CDها، MP3ها و غیره در سطوح بالاتر از 0dBFS مستر می‌شوند و صدای نهایی به‌صورت کلیپ‌شده تحویل داده می‌شود.

جلوه‌های stat و stats در SoX می‌توانند به تعیین سطح سیگنال یک فایل صوتی کمک کنند. از جلوه gain یا vol می‌توان برای جلوگیری از کلیپینگ استفاده کرد، برای مثال:

   sox_ng dull.wav bright.wav gain -6 treble +6

اگر در هر نقطه‌ای حین پردازش کلیپینگ رخ دهد، SoX یک پیام هشدار مبنی بر آن نمایش می‌دهد.

گزینه سراسری -G (--guard) و جلوه‌های gain و norm را ببینید..SS "ترکیب فایل‌های ورودی (Input File Combining)" ترکیب‌کننده ورودی SoX می‌تواند با گزینه عمومی --combine برای ترکیب چندین فایل با استفاده از یکی از روش‌های زیر پیکربندی شود: concatenate، sequence، mix، mix-power، merge و multiply، با حالت‌های کوتاه -m برای --combine mix، -M برای merge و -T برای multiply.

مقدار پیش‌فرض برای play_ng برابر sequence، و برای sox_ng برابر concatenate است.

برای روش‌هایی غیر از sequence، چندین فایل ورودی باید نرخ نمونه‌برداری یکسانی داشته باشند. در صورت لزوم، می‌توان از فراخوانی‌های جداگانه SoX برای انجام تنظیمات نرخ نمونه‌برداری پیش از ترکیب آن‌ها استفاده کرد؛ و در روش concatenate، فایل‌های ورودی باید تعداد کانال‌های یکسانی نیز داشته باشند.

روش ترکیب sequence از این نظر شبیه به concatenate است که صدای هر فایل ورودی به‌صورت پیاپی به فایل خروجی فرستاده می‌شود، اما در اینجا ممکن است فایل خروجی در زمان انتقال بین فایل‌های ورودی بسته شده و دوباره باز شود. این رفتار ممکن است دقیقاً همان چیزی باشد که هنگام ارسال انواع مختلف صدا به یک دستگاه خروجی مورد نیاز است، اما به‌طور کلی زمانی که خروجی یک فایل معمولی باشد مفید نیست.

در روش‌های ترکیب mix یا mix-power، نیازی نیست تعداد کانال‌های هر فایل ورودی یکسان باشد، اما اگر یکسان نباشند SoX هشداری صادر می‌کند و برخی از کانال‌ها در فایل خروجی شامل صدای همه فایل‌های ورودی نخواهند بود. یک فایل صوتی میکس‌شده را نمی‌توان بدون دسترسی به فایل‌های ورودی اصلی از حالت میکس خارج کرد.

اگر روش ترکیب merge انتخاب شود، نیازی نیست تعداد کانال‌های هر فایل ورودی یکسان باشد و یک فایل صوتی ادغام‌شده شامل همه کانال‌ها از تمام فایل‌های ورودی خواهد بود و جداسازی آن‌ها با استفاده از چندین بار فراخوانی SoX با جلوهٔ remix امکان‌پذیر است. برای مثال، دو فایل مونو می‌توانند برای تشکیل یک فایل استریو ادغام شوند و فایل‌های مونوی اول و دوم به کانال‌های چپ و راست فایل استریو تبدیل خواهند شد.

روش ترکیب multiply مقادیر نمونه‌های کانال‌های متناظر را که به‌عنوان اعدادی در بازه -1 تا +1 در نظر گرفته می‌شوند در یکدیگر ضرب می‌کند. اگر تعداد کانال‌ها در فایل‌های ورودی یکسان نباشد، کانال‌های مفقود شامل سکوت خواهند بود.

هنگام ترکیب فایل‌های ورودی، SoX هر جلوهٔ مشخص‌شده را (از جمله، برای مثال، جلوهٔ تنظیم بلندی صدای vol ) پس از ترکیب شدن صدا اعمال می‌کند. با این حال، اغلب مفید است که بتوان بلندی صدای ورودی‌ها را پیش از انجام ترکیب به‌طور مجزا تنظیم (یعنی «تراز») کرد. برای تمام روش‌های ترکیب، تنظیمات بلندی صدای فایل ورودی می‌تواند به‌صورت دستی با استفاده از گزینهٔ -v انجام شود، که می‌تواند برای یک یا چند فایل ورودی مشخص گردد. اگر این گزینه تنها برای برخی از فایل‌های ورودی مشخص شود، سایر فایل‌ها هیچ تنظیم بلندی صدایی دریافت نخواهند کرد. در برخی شرایط، ممکن است تنظیمات خودکار بلندی صدا اعمال شود. گزینه عمومی -V می‌تواند برای نمایش تنظیمات بلندی صدای فایل ورودی که به‌صورت دستی یا خودکار انتخاب شده‌اند استفاده شود.

هنگام میکس فایل‌های ورودی باید نکات ویژه‌ای را در نظر گرفت:

برخلاف سایر روش‌ها، ترکیب به روش mix در صورت عدم انجام هم‌ترازی می‌تواند باعث بریدگی (clipping) در ترکیب‌کننده شود. در این حالت، اگر تنظیمات دستی بلندی صدا مشخص نشده باشد، SoX تلاش می‌کند تا با تنظیم خودکار بلندی صدا (دامنه) هر سیگنال ورودی با ضریب ¹/n (که در آن n تعداد فایل‌های ورودی است)، از عدم وقوع بریدگی اطمینان حاصل کند. اگر این کار منجر به صدایی بیش از حد آهسته یا نامتعادل شود، می‌توان بلندی صدای فایل‌های ورودی را به‌صورت دستی با -v تنظیم کرد. استفاده از جلوهٔ norm روی صدای میکس‌شده جایگزین دیگری است.

اگر صدای میکس‌شده در برخی نقاط به اندازه کافی بلند اما در نقاط دیگر بیش از حد آهسته به نظر می‌رسد، فشرده‌سازی محدوده پویایی (dynamic range compression) می‌تواند برای اصلاح آن به کار رود - به جلوهٔ compand مراجعه کنید.

با روش ترکیب mix-power، بلندی صدای میکس‌شده تقریباً برابر با بلندی صدای یکی از سیگنال‌های ورودی است. این کار با هم‌ترازی با ضریب ¹/√n به جای ¹/n به دست می‌آید. توجه داشته باشید که این ضریب هم‌ترازی عدم وقوع بریدگی را تضمین نمی‌کند، اما تعداد بریدگی‌ها معمولاً کم خواهد بود و اعوجاج حاصل نیز معمولاً نامحسوس است..SS "فایل‌های خروجی (Output Files)" رفتار پیش‌فرض SoX این است که یک یا چند فایل ورودی را دریافت کرده و آن‌ها را در یک تک‌فایل خروجی بنویسد.

این رفتار را می‌توان با قرار دادن شبه‌جلوهٔ newfile در فهرست جلوه‌ها تغییر داد تا SoX وارد حالت چند خروجی شود.

در حالت چند خروجی، زمانی که جلوه‌های پیش از newfile مشخص کنند که کارشان تمام شده است، یک فایل جدید ایجاد می‌شود. سپس زنجیرهٔ جلوه‌های فهرست‌شده پس از newfile آغاز به‌کار کرده و خروجی آن در فایل جدید ذخیره می‌شود.

در حالت چند خروجی، یک شمارهٔ یکتا به‌طور خودکار به تمام نام‌های فایل پیوست می‌شود و اگر نام فایل دارای پسوند باشد، این شماره قبل از پسوند درج می‌گردد. این رفتار را می‌توان با قرار دادن %n در نام فایل در جایی که شماره باید جایگزین شود سفارشی‌سازی کرد. می‌توان یک عدد اختیاری پس از % قرار داد تا حداقل عرض شماره همراه با صفرهای پیشین مشخص شود. مقدار پیش‌فرض %n دو رقم است، یا در صورتی که هیچ %n مشخص نشده باشد، سه رقم پیش از پسوند نام فایل خواهد بود.

حالت چند خروجی چندان کاربردی ندارد مگر اینکه جلوه‌ای که زنجیرهٔ جلوه‌ها را متوقف می‌کند پیش از newfile مشخص شده باشد. اگر پیش از توقف زنجیرهٔ جلوه‌ها به پایان فایل برسد، هیچ فایل جدیدی ایجاد نمی‌شود زیرا خالی خواهد بود.

مثال زیر نمونه‌ای از تقسیم ۶۰ ثانیه اول یک فایل ورودی به دو فایل ۳۰ ثانیه‌ای و نادیده گرفتن ادامه آن است:

   sox_ng song.wav ringtone%1n.wav trim 0 30 : newfile : trim 0 30

توقف SoX (Stopping SoX)

معمولاً SoX پس از خواندن تمام داده‌های صوتی از فایل‌های ورودی، پردازش خود را به پایان رسانده و به‌طور خودکار خارج می‌شود.

همچنین می‌توان با ارسال یک سیگنال وقفه، معمولاً از طریق فشردن کلید وقفهٔ صفحه‌کلید که معمولاً Ctrl-C است، آن را زودتر متوقف کرد. این کار هنگام استفاده از SoX برای ضبط صدا لازم است.

هنگامی که SoX در حال پخش چندین فایل است، عملکرد Ctrl-C کمی متفاوت است: یک بار فشردن آن به فایل بعدی می‌رود؛ دو بار فشردن سریع و پشت‌سرهم آن باعث خروج SoX می‌شود. با این حال، هنگام پخش چندین فایل که با ffmpeg رمزگشایی می‌شوند، این کار تمام خواندن‌های معلق فایل را متوقف کرده و منجر به شنیده شدن حدود یک ثانیه از هر کدام می‌شود - یعنی آنچه هر فرآیند پیش‌تر در لوله (pipe) خود نوشته بود.

راه دیگر برای توقف زودهنگام پردازش، استفاده از جلوه‌ای است که دارای بازه زمانی یا تعداد نمونه باشد؛ جلوهٔ trim نمونه‌ای از این دست است. به محض اینکه تمام زنجیره‌های جلوه متوقف شوند، SoX نیز متوقف می‌شود.

نام‌های فایل ویژه (Special Filenames)

نام‌های فایل زیر را می‌توان در شرایط خاصی به‌جای یک نام فایل معمولی به کار برد:

-

می‌توان با استفاده از نام فایل ویژه `-' از SoX در عملیات خط لوله‌ای (pipeline) ساده استفاده کرد؛ این نام فایل در صورتی که به عنوان فایل ورودی استفاده شود، باعث می‌شود SoX داده‌های صوتی را از «ورودی استاندارد» (stdin) بخواند و اگر به عنوان نام فایل خروجی استفاده شود، موجب ارسال داده‌های صوتی توسط SoX به «خروجی استاندارد» (stdout) می‌گردد. هنگام استفاده از این گزینه برای فایل خروجی، و گاهی هنگام استفاده از آن برای فایل ورودی، نوع فایل (به -t در زیر مراجعه کنید) نیز باید مشخص شود.

"|program [options] ..."

یک نویسه ابتدایی «پایپ» مشخص می‌کند که خروجی استاندارد (stdout) دستور داده‌شده باید به عنوان یک فایل ورودی استفاده شود. بر خلاف نام فایل ویژه -، می‌توان از این روش برای چندین ورودی در یک دستور SoX استفاده کرد. برای مثال، اگر برنامهٔ genw یک سیگنال صوتی مونو WAV را در خروجی استاندارد خود تولید کند، دستور زیر یک فایل استریو از دو سیگنال تولیدشده می‌سازد:

   sox_ng -M "|genw --imd -" "|genw --thd -" out.wav

برای داده‌های صوتی بدون سربرگ (خام یا raw) و برخی قالب‌های دیگر، باید -t پیش از دستور ورودی آورده شود.

"wildcard-filename"

مشخص می‌کند که اگر wildcard-filename شامل نویسه‌های *، ? یا دامنه‌های نویسه‌ای مانند [A-Z] باشد، تطبیق الگو (globbing) باید توسط SoX انجام شود نه توسط پوسته. این قابلیت اجازه می‌دهد تا یک مجموعه واحد از گزینه‌های فایل بر روی گروهی از فایل‌ها اعمال شود. برای مثال، اگر دایرکتوری فعلی شامل سه فایل file1.vox، file2.vox و file3.vox باشد، دستور

   play_ng --rate 6k *.vox

توسط پوسته (در اغلب محیط‌ها) به این شکل باز می‌شود:

   play_ng --rate 6k file1.vox file2.vox file3.vox

که تنها با فایل `vox' نخست طوری رفتار می‌کند که گویی نرخ نمونه‌برداری آن 6k است. با دستور

   play_ng --rate 6k "*.vox"

گزینهٔ نرخ نمونه‌برداری مشخص‌شده به تمام فایل‌ها اعمال می‌گردد.

اگر نمی‌خواهید SoX نام‌های فایل را منطبق کند (glob نکند)، می‌توانید از گزینهٔ --no-glob پیش از هر نام فایلی که نباید تطبیق یابد استفاده کنید؛ این گزینه در صورتی لازم است که بخواهید فایل‌هایی را پردازش کنید که نام آن‌ها حاوی نویسه‌های عمومی (wildcard) است.

-p, --sox-pipe

می‌تواند به‌جای یک نام فایل خروجی استفاده شود تا مشخص کند خروجی آن به عنوان ورودی دستوری دیگر از SoX استفاده خواهد شد. برای مثال، در دستور:

   play_ng "|sox_ng -n -p synth 2" "|sox_ng -n -p synth 2 tremolo 10"

دستور play_ng تصور می‌کند در حال پخش دو فایل پیاپی است که از پایپ‌ها می‌آیند، اما در واقع هر دو از اجراهای دیگر SoX سرچشمه می‌گیرند که هر کدام جلوه‌های متفاوتی دارند.

گزینهٔ -p در واقع یک نام مستعار برای `-t sox -' است.

-d, --default-device

می‌تواند به‌جای نام فایل ورودی یا خروجی استفاده شود تا مشخص کند باید از دستگاه صوتی پیش‌فرض (چنانچه در SoX تعبیه شده باشد) استفاده شود. این مشابه فراخوانی rec_ng یا play_ng همان‌گونه که در بالا توصیف شد می‌باشد.

-n, --null

می‌تواند به‌جای یک نام فایل ورودی یا خروجی استفاده شود تا مشخص کند که باید از یک «فایل تهی» (null file) استفاده شود. در اینجا «فایل تهی» به سازوکار اختصاصی SoX اشاره دارد و ارتباطی با سازوکارهای نام‌گذاری‌شده در سیستم‌عامل ندارد.

استفاده از یک فایل تهی به عنوان ورودی معادل استفاده از یک فایل صوتی معمولی حاوی سکوت بی‌پایان است و به همین دلیل عموماً مفید نیست مگر اینکه به همراه جلوه‌ای به کار رود که بازهٔ زمانی محدودی مشخص می‌کند، مانند trim یا synth.

استفاده از یک فایل تهی به عنوان خروجی به معنای دور ریختن صوت است و عمدتاً برای جلوه‌هایی کاربرد دارد که به‌جای تغییر دادن صوت، اطلاعاتی دربارهٔ آن تولید می‌کنند، مانند noiseprof، stat و spectrogram.

نرخ نمونه‌برداری مرتبط با یک فایل تهی به‌طور پیش‌فرض 48kHz است، اما مانند یک فایل معمولی، می‌توان آن را با استفاده از گزینه‌های قالب‌بندی مانند -r لغو و بازنویسی کرد (به زیر مراجعه کنید)..SS انواع فایل و دستگاه صوتی پشتیبانی‌شده (Supported File and Audio Device Types) برای مشاهده فهرست و شرح قالب‌های فایل و درایورهای دستگاه‌های صوتی پشتیبانی‌شده، soxformat_ng(7) را ببینید.

گزینه‌های سراسری (Global Options)

این گزینه‌ها را می‌توان در هر نقطه‌ای از خط فرمان، پیش از نام نخستین جلوه (effect) مشخص کرد.

متغیر محیطی SOX_OPTS می‌تواند برای تعیین مقادیر پیش‌فرض جایگزین برای گزینه‌های سراسری SoX به کار رود. بخش محیط (ENVIRONMENT) (در زیر) را ببینید.

-A freq

فرکانس نت A4 را به‌جای 440Hz بر روی freq تنظیم می‌کند.

--buffer bytes، --input-buffer bytes

اندازه بافرهای مورد استفاده برای پردازش صدا را بر حسب بایت تعیین می‌کند (پیش‌فرض 8192). گزینه --buffer بر پردازش ورودی، جلوه‌ها و خروجی اعمال می‌شود؛ --input-buffer تنها بر پردازش ورودی اعمال شده و در صورتی که هر دو مشخص شده باشند، اولویت داشته و بر --buffer حاکم می‌شود.

مقادیر بزرگ برای --buffer ممکن است باعث شود SoX در پاسخ به درخواست‌های توقف یا پرش به فایل ورودی بعدی کند شود.

--clobber

پیش از رونویسی فایلی موجود که همنام با فایل خروجی است، سؤالی نمی‌پرسد. این رفتار پیش‌فرض است؛ برای تغییر آن، از --no-clobber استفاده کنید.

--combine concatenate|merge|mix|mix-power|multiply|sequence

روش ترکیب فایل‌های ورودی را انتخاب می‌کند. برای شرح آن‌ها، بخش ترکیب فایل ورودی (Input File Combining) را در بالا ببینید.

-D، --no-dither

دیتر (dither) خودکار را غیرفعال می‌کند - بخش دیترینگ (Dithering) در بالا را ببینید. این گزینه ممکن است برای اطمینان از اینکه SoX در اجراهای متوالی خروجی کاملاً یکسانی تولید می‌کند، یا زمانی که فایلی با قصد انجام پردازش از ۱۶ به ۲۴ بیت تبدیل شده اما در نهایت هیچ پردازشی روی آن انجام نگرفته و فایل اصلی ۱۶ بیتی از دست رفته است مفید باشد؛ که در این حالت هنگام تبدیل مجدد فایل به ۱۶ بیت نیازی به dither نیست. برای آگاهی از چگونگی تعیین عمق بیتی (bit-depth) واقعی صدای درون یک فایل، جلوه stats را ببینید.

--effects-file filename

یک فایل را برای دریافت تمامی جلوه‌ها و آرگومان‌های آن‌ها می‌خواند. فایل به‌گونه‌ای تجزیه می‌شود که گویی مقادیر در خط فرمان مشخص شده‌اند. می‌توان به‌جای نشانگر ویژه : از یک خط جدید برای جداسازی زنجیره‌های جلوه استفاده کرد. برای راحتی کار، چنین نشانگرهایی در پایان فایل معمولاً نادیده گرفته می‌شوند؛ اگر می‌خواهید آخرین زنجیره جلوه خالی باشد، از یک : صریح و منفرد در آخرین خط فایل استفاده کنید. این گزینه باعث نادیده گرفتن تمامی جلوه‌های مشخص‌شده در خط فرمان می‌شود.

-G، --guard

به‌طور خودکار جلوه gain را برای محافظت در برابر برش سیگنال (clipping) فراخوانی می‌کند. برای نمونه:

   sox_ng -G in.au -b 16 out.au rate 44100 dither -s

کوتاه‌نوشتی است برای:

   sox_ng in.au -b 16 out.au gain -h rate 44100 gain -rh dither -s

گزینه‌های -V، --norm و جلوه gain را ببینید.

-h، --help

شماره نسخه و اطلاعات نحوه استفاده SoX را نمایش می‌دهد.

--help-effect name

اطلاعات نحوه استفاده از جلوه مشخص‌شده را نشان می‌دهد. از نام all می‌توان برای نمایش اطلاعات تمامی جلوه‌های موجود استفاده کرد.

--help-format name

اطلاعات مربوط به قالب فایل مشخص‌شده را نمایش می‌دهد. از نام all می‌توان برای نمایش اطلاعات تمامی قالب‌های پشتیبانی‌شده استفاده کرد.

--i، --info

اگر به‌عنوان نخستین پارامتر به sox_ng داده شود، رفتاری مانند soxi_ng خواهد داشت.

--interactive

امکان مهار SoX را با فشردن کلیدهای صفحه‌کلید فعال می‌کند؛ بدین صورت:

-k|--keymap key:effect.field[+|−|*|/|=]value

فشردن کلید مشخص‌شده، پارامتر یک جلوه را تغییر می‌دهد؛ با افزودن یا کاستن value برای تغییرات خطی، ضرب یا تقسیم در value برای مهار لگاریتمی، یا تنظیم مستقیم پارامتر روی آن مقدار. برای نمونه:

   play_ng -V -k D:dolbyb.gain+2 -k d:dolbyb.gain-2 in.wav dolbyb

به شما امکان می‌دهد حاصل حذف Dolby B را بشنوید و میزان Threshold Gain را در گام‌های 2dB برای یافتن بهترین تنظیم تغییر دهید.

گزینه --keymap حالت --interactive را روشن می‌کند و گزینه -V موجب می‌شود مقدار جدید با هر بار تغییر نمایش داده شود.

هنگامی که یک جلوه را بیش از یک‌بار در زنجیره دارید، می‌توانید با ساختاری مانند effect2.field مهار را تنها به دومین رخداد از effect در زنجیره جلوه‌ها محدود کنید؛ و برای جلوه‌های دارای چند مرحله، مانند echo.delay، مرحله را می‌توان با عبارتی شبیه effect.field1 مشخص کرد.

مدخل‌های راهنمای اختصاصی هر جلوه تعیین می‌کنند که کدام پارامترها به این روش قابل تنظیم هستند؛ گزینه --help-effect به شما می‌گوید کدام‌یک از پارامترهای یک جلوه قابلیت نگاشت کلید دارند، و دستور

   sox_ng --help-effect all | grep Keymap

فهرستی کامل ارائه می‌دهد؛ توجه داشته باشید که پارامترهای دارای خط تیره مانند gain-out، نگاشت کلیدی به‌صورت gain_out دارند.

-m|-M

به‌ترتیب معادل --combine mix و --combine merge هستند.

--magic

اگر SoX همراه با کتابخانه اختیاری «libmagic» ساخته شده باشد، این گزینه استفاده از آن را برای کمک به تشخیص نوع فایل صوتی فعال می‌کند.

--multi-threaded|--single-threaded

به‌طور پیش‌فرض، SoX به‌صورت «تک‌رشته‌ای» (single threaded) کار می‌کند؛ اما در صورت مشخص شدن گزینه --multi-threaded، SoX کانال‌های صوتی را برای بیشتر جلوه‌های چندکاناله به‌صورت موازی روی پردازنده‌های چند‌هسته‌ای و دارای hyperthreading پردازش می‌کند.

برای بهره‌مندی بیشتر از پردازش چندرشته‌ای ممکن است اندازه بافری بزرگ‌تر از مقدار پیش‌فرض لازم باشد (مثلاً 131072؛ --buffer را در بالا ببینید)، و مقداردهی متغیر محیطی OMP_WAIT_POLICY=PASSIVE پیش از اجرای SoX، از اشکالی در OpenMP که می‌تواند در صورت اجرای همزمان چند نمونه از SoX آن را به‌شدت کند سازد، جلوگیری می‌کند.

--no-clobber

پیش از رونویسی یک فایل موجود همنام با نام مشخص‌شده برای فایل خروجی، تأییدیه می‌خواهد.

رونویسی ناخواسته یک فایل بسیار آسان‌تر از آن چیزی است که تصور می‌کنید؛ برای نمونه، اگر تصادفاً وارد کنید:

   sox_ng file1 file2 effect1 effect2 ...

در حالی که مقصود اصلی شما این بوده است:

   play_ng file1 file2 effect1 effect2 ...

آنگاه بدون این گزینه، file2 بازنویسی و پاک خواهد شد. از این رو، استفاده از این گزینه پیشنهاد می‌شود و می‌توان آن را در متغیر محیطی SOX_OPTS تنظیم کرد (بخش محیط (ENVIRONMENT) را در زیر ببینید)..TP --norm[=dB-level] به‌طور خودکار جلوهٔ gain را برای محافظت در برابر بریده‌شدگی (clipping) و نرمال‌سازی صدا فراخوانی می‌کند. برای نمونه:

   sox_ng --norm in.au -b 16 out.au rate 44100 dither -s

کوتاه‌نوشتی است برای:

   sox_ng in.au -b 16 out.au gain -h rate 44100 gain -nh dither -s

به‌صورت اختیاری، صدا می‌تواند روی یک سطح مشخص، معمولاً کمتر از 0 dBFS نرمال‌سازی شود:

   sox_ng --norm=-3 in.au out.au

گزینه‌های -V، -G و جلوهٔ gain را ببینید.

--play-rate-arg arg

گزینهٔ کیفیتی را انتخاب می‌کند که در هنگام پخش صدا و فراخوانی خودکار جلوهٔ rate استفاده شود. این گزینه معمولاً از طریق متغیر محیطی SOX_OPTS تنظیم می‌شود (بخش محیط (ENVIRONMENT) در ادامه را ببینید) و مقدار پیش‌فرض آن هنگام پخش، -l (کیفیت پایین اما سریع) است. برای گزینه‌های جایگزین دیگر، جلوهٔ rate را ببینید.

--plot gnuplot|octave|off

اگر روی off تنظیم نشده باشد (حالت پیش‌فرض در صورت مشخص نشدن --plot)، در حالتی اجرا می‌شود که می‌تواند به همراه برنامهٔ gnuplot یا برنامهٔ GNU Octave برای کمک به انتخاب و پیکربندی بسیاری از جلوه‌های مبتنی بر تابع تبدیل (transfer function) استفاده شود. برای نخستین جلوهٔ داده‌شده که از برنامهٔ رسم انتخابی پشتیبانی می‌کند، SoX دستوراتی را برای رسم تابع تبدیل جلوه در خروجی می‌نویسد و بدون پردازش واقعی صدا متوقف می‌شود. برای نمونه:

   sox_ng --plot octave input-file -n highpass 1320 > highpass.plt
   octave highpass.plt

-q, --no-show-progress

اجرا در حالت بی‌صدا (quiet) در شرایطی که SoX در حالت عادی این‌گونه عمل نمی‌کرد. این گزینه برعکس گزینهٔ -S است. برای فرونشانی پیام‌های خطا و هشدار، گزینهٔ -V در ادامه را ببینید.

-R

اجرا در حالت «تکرارپذیر» (repeatable). هنگامی که این گزینه داده شود، SoX در صورت پشتیبانی قالب از توضیحات، یک برچسب زمان را در فایل خروجی می‌گنجاند و مولدهای اعداد شبه‌تصادفی را، همان‌گونه که توسط dither استفاده می‌شود، با آن عدد مقداردهی اولیه (seed) می‌کند؛ این کار تضمین می‌کند که فراخوانی‌های پیاپی SoX با ورودی‌ها و پارامترهای یکسان، خروجی یکسانی تولید کنند.

--replay-gain track|album|off

مشخص می‌کند که آیا تنظیم replay gain روی فایل‌های ورودی اعمال شود یا خیر. مقدار پیش‌فرض off برای sox_ng و rec_ng، مقدار album برای play_ng هنگامی که (دست‌کم) دو فایل ورودی نخست دارای برچسب‌های یکسان نام هنرمند و آلبوم باشند، و در غیر این صورت track برای play_ng است.

-S, --show-progress

نمایش اطلاعات قالب/سرایند فایل ورودی، پیشرفت پردازش به‌صورت درصدی از فایل(های) ورودی، زمان سپری‌شده، زمان باقی‌مانده (در صورت مشخص بودن، داخل قلاب) و تعداد نمونه‌های نوشته‌شده در فایل خروجی. همچنین یک سنجش‌گر سطح اوج (peak level meter) و نشانه‌ای از رخ دادن یا ندادن بریده‌شدگی (clipping) نمایش داده می‌شود. سنجش‌گر سطح اوج تا دو کانال را نشان می‌دهد و برای صدای دیجیتال به‌صورت زیر کالیبره شده است:

dB FSD	نمایش		dB FSD	نمایش
-25	-		-11	====
-23	=		-9	====-
-21	=-		-7	=====
-19	==		-5	=====-
-17	==-		-3	======
-15	===		-1	=====!
-13	===-

اگر مقدار headroom کمتر از 6dB باشد، مقدار اوج نگه‌داشته‌شدهٔ سه‌ثانیه‌ایِ آن بر حسب دسی‌بل در سمت راست سنجش‌گر نمایش داده می‌شود.

این گزینه هنگام استفاده از SoX برای پخش یا ضبط صدا به‌طور پیش‌فرض فعال است اما می‌توان آن را با -q غیرفعال کرد.

-T

معادل --combine multiply است.

--temp directory

مشخص می‌کند که هرگونه فایل موقت باید در دایرکتوری داده‌شده ایجاد شود. این گزینه در صورت وجود مشکلات دسترسی یا کمبود فضای خالی در مکان پیش‌فرض می‌تواند مفید باشد. در این حالت، استفاده از «--temp .» (برای استفاده از دایرکتوری جاری) اغلب راه‌حل مناسبی است.

--version

شمارهٔ نسخهٔ SoX را نمایش می‌دهد و خارج می‌شود.

-V[level]

تنظیم سطح پرگویی (verbosity). این گزینه به‌ویژه برای دیدن چگونگی فراخوانی جلوه‌های خودکار توسط SoX مفید است.

برنامهٔ SoX پیام‌ها را بر اساس سطوح پرگویی زیر روی کنسول (stderr) نمایش می‌دهد:

هر بار تکرار گزینهٔ -V سطح پرگویی را ۱ واحد افزایش می‌دهد. به‌طور جایگزین، می‌توان سطح پرگویی را با مشخص کردن مستقیم یک عدد مطلق بلافاصله پس از -V تعیین کرد، برای نمونه -V0 پیام‌ها را به‌طور کامل غیرفعال می‌کند. این گزینه‌ها برای نخستین نام فایل ورودی که پس از آن‌ها در خط فرمان می‌آید اعمال می‌شوند.

--ignore-length

نادیده گرفتن طول صوت مشخص‌شده در سرآیند (header) فایل صوتی. در صورت مشخص شدن این گزینه، SoX خواندن صوت را تا رسیدن به انتهای فایل ورودی ادامه می‌دهد.

-v, --volume factor

این گزینه که برای استفاده هنگام ترکیب چندین فایل ورودی در نظر گرفته شده است، حجم صدای فایلی را که پس از آن در خط فرمان می‌آید با ضریب factor تنظیم می‌کند. این کار امکان «متعادل‌سازی» آن را نسبت به سایر فایل‌های ورودی فراهم می‌سازد. این یک تنظیم خطی (دامنه یا amplitude) است، بنابراین عددی کمتر از ۱ حجم صدا را کاهش داده و عددی بزرگتر از ۱ آن را افزایش می‌دهد. در صورت وارد کردن یک عدد منفی، علاوه بر تنظیم حجم صدا، سیگنال صوتی معکوس نیز خواهد شد.

جلوه‌های صوتی norm، vol و gain، بخش Input File Balancing در بالا و بخش Special Filenames درباره wildcard-filenames را ببینید.

گزینه‌های قالب فایل ورودی و خروجی (Input & Output File Format Options)

این گزینه‌ها برای فایل ورودی یا خروجی‌ای اعمال می‌شوند که نام آن بلافاصله پس از این گزینه‌ها در خط فرمان قرار می‌گیرد، و عمدتاً هنگام کار با قالب‌های فاقد سرآیند (headerless) یا هنگام تعیین قالبی برای فایل خروجی که با فایل ورودی متفاوت است، به کار می‌روند.

-b bits, --bits bits

تعیین تعداد بیت‌ها (معروف به عمق بیت یا bit-depth یا طول کلمه) در هر نمونه کدگذاری‌شده. این گزینه برای کدگذاری‌های پیچیده مانند MP3 یا GSM کاربرد ندارد و برای کدگذاری‌هایی با تعداد بیت ثابت مانند A-law، μ-law و ADPCM نیز نیازی به آن نیست.

برای یک فایل ورودی، رایج‌ترین کاربرد این گزینه آگاه کردن SoX از تعداد بیت‌ها در هر نمونه در یک فایل صوتی خام (`raw` یا `headerless`) است. به عنوان مثال:

   sox_ng -r 16k -e signed -b 8 input.raw output.wav

یک فایل خام (`raw`) خاص را به یک فایل خودتوصیف `WAV` تبدیل می‌کند.

برای یک فایل خروجی، از این گزینه می‌توان برای تنظیم اندازه کدگذاری خروجی استفاده کرد. به‌طور پیش‌فرض، در صورتی که نوع فایل خروجی پشتیبانی کند، اندازه کدگذاری خروجی برابر با اندازه کدگذاری ورودی تنظیم می‌شود. برای مثال:

   sox_ng input.cdda -b 24 output.wav

صوت دیجیتال خام CD (نوع ۱۶ بیتی، signed-integer) را به یک فایل `WAV` بیست و چهار بیتی (signed-integer) تبدیل می‌کند.

-c CHANNELS, --channels CHANNELS

تعداد کانال‌های صوتی را در فایل صوتی تنظیم می‌کند. این مقدار می‌تواند هر عددی بزرگتر از صفر باشد.

برای یک فایل ورودی، رایج‌ترین کاربرد این گزینه، اطلاع دادن تعداد کانال‌ها در یک فایل صوتی خام (`raw` یا بدون سرآیند) به SoX است. گهگاه ممکن است استفاده از این گزینه با یک فایل دارای سرآیند برای بازنویسی و لغو مقدار (احتمالاً نادرست) موجود در سرآیند مفید باشد، هرچند این قابلیت تنها در انواع خاصی از فایل‌ها پشتیبانی می‌شود. برای مثال:

   sox_ng -r 48k -e float -b 32 -c 2 input.raw output.wav

یک فایل `raw` را به یک فایل خودتوصیف `WAV` تبدیل می‌کند.

   play_ng -c 1 music.wav

صرف‌نظر از آنچه در سرآیند فایل ذکر شده، داده‌های فایل را متعلق به یک تک‌کانال تفسیر می‌کند و اگر فایل در واقع دارای دو کانال باشد، با نصف سرعت پخش خواهد شد.

برای یک فایل خروجی، این گزینه روشی کوتاه برای تعیین این است که جلوه صوتی channels باید به‌منظور تغییر دادن تعداد کانال‌های سیگنال صوتی به مقدار داده‌شده (در صورت لزوم) فراخوانی شود. برای نمونه، دو دستور زیر معادل یکدیگرند:

   sox_ng input.wav -c 1 output.wav bass -b 24
   sox_ng input.wav      output.wav bass -b 24 channels 1

اگرچه شکل دوم انعطاف‌پذیرتر است، زیرا امکان چینش دلخواه جلوه‌های صوتی را فراهم می‌کند.

-e ENCODING, --encoding ENCODING

تعیین نوع کدگذاری صوتی؛ این گزینه گاهی برای انواع فایلی که از بیش از یک طرح کدگذاری پشتیبانی می‌کنند (مانند raw، WAV یا AU) لازم است، اما برای MP3 یا FLAC نیازی به آن نیست. انواع کدگذاری موجود عبارتند از:

 

نام‌های کدگذاری را در صورتی که ابهامی ایجاد نکنند می‌توان به‌صورت مخفف نوشت؛ به عنوان مثال unsigned-integer می‌تواند به‌صورت un مشخص شود، اما نه u (به دلیل ایجاد ابهام با u-law).

برای یک فایل ورودی، رایج‌ترین کاربرد این گزینه اطلاع دادن نوع کدگذاری یک فایل صوتی خام (`raw` یا فاقد سرآیند) به SoX است (مثال‌های -b و -c در بالا را ببینید).

برای یک فایل خروجی، از این گزینه می‌توان (احتمالاً همراه با -b) برای تعیین کدگذاری خروجی استفاده کرد. برای مثال:

   sox_ng input.cdda -e float output1.wav
   sox_ng input.cdda -b 64 -e float output2.wav

صوت دیجیتال خام CD (نوع ۱۶ بیتی signed integer) را به ترتیب به فایل‌های `WAV` ممیز شناور با دقت یگانه و دقت دوگانه تبدیل می‌کند.

در صورت مشخص نشدن این گزینه، کدگذاری خروجی همانند کدگذاری ورودی خواهد بود، به شرطی که نوع فایل خروجی از آن پشتیبانی کند.

--no-glob

مشخص می‌کند که تطبیق الگوهای عام یا گلوبینگ (`globbing`) روی نام فایل بعدی نباید توسط SoX انجام شود. برای نمونه، اگر دایرکتوری جاری حاوی دو فایل «five-seconds.wav» و «five*.wav» باشد، آنگاه

   play_ng --no-glob "five*.wav"

می‌تواند تنها برای پخش همان تک‌فایل «five*.wav» به کار رود.

-r, --rate rate[k]

نرخ نمونه‌برداری (sample rate) فایل را بر حسب هرتز (یا در صورت همراه بودن با k، بر حسب کیلوهرتز) مشخص می‌کند.

برای یک فایل ورودی، رایج‌ترین کاربرد این گزینه اطلاع دادن نرخ نمونه‌برداری یک فایل صوتی خام (`raw` یا فاقد سرآیند) به SoX است (مثال‌های -b و -c در بالا را ببینید). گهگاه ممکن است استفاده از این گزینه با یک فایل دارای سرآیند برای بازنویسی و لغو مقدار موجود در سرآیند مفید باشد، هرچند این قابلیت تنها با انواع خاصی از فایل‌ها پشتیبانی می‌شود. برای مثال، اگر صدایی با نرخ نمونه‌برداری 48k از منبعی ضبط شده باشد که کمی بیش از حد آهسته پخش می‌شده است، مثلاً 1.5%،

   sox_ng -r 48720 input.wav output.wav

سرعت را تنها با تغییر سرآیند فایل اصلاح می‌کند (البته برای راه‌حل معمول‌ترِ این مسئله، جلوه صوتی speed را ببینید).

برای یک فایل خروجی، این گزینه روشی کوتاه برای تعیین این است که جلوه صوتی rate باید به‌منظور تغییر نرخ نمونه‌برداری سیگنال صوتی به مقدار داده‌شده (در صورت لزوم) فراخوانی شود. برای نمونه، دو دستور زیر معادل یکدیگرند:

   sox_ng input.wav -r 48k output.wav bass -b 24
   sox_ng input.wav        output.wav bass -b 24 rate 48k

اگرچه شکل دوم انعطاف‌پذیرتر است زیرا اجازه می‌دهد گزینه‌های rate مشخص شوند و جلوه‌های صوتی به ترتیب دلخواه قرار گیرند..TP -t, --type FILE-TYPE نوع یک فایل صوتی را مشخص می‌کند. این گزینه هم برای فایل‌های ورودی و هم خروجی معمولاً برای اعلام نوع یک فایل صوتی «بدون سرآیند» به SoX استفاده می‌شود، در شرایطی که نوع واقعی یا موردنظر را نتوان از پسوند نام فایل تشخیص داد. برای نمونه:

   another-command | sox_ng -t mp3 - output.wav
   sox_ng input.wav -t raw output.bin

همچنین می‌توان از آن برای بازنویسی نوع ضمنیِ حاصل از پسوند نام فایل ورودی استفاده کرد، اما در صورت بازنویسی با نوعی که دارای سرآیند است، اگر چنین سرآیندی واقعاً وجود نداشته باشد، SoX با یک پیام خطا خارج می‌شود.

همچنین شبه‌نوع‌های فایلی وجود دارند که به SoX اعلام می‌کنند از یک ماژول قالب مشخص استفاده کند که می‌تواند بیش از یک نوع فایل صوتی را پشتیبانی نماید، مانند -t sndfile و -t ffmpeg، یا زمانی که یک نوع فایل می‌تواند توسط چندین ماژول قالب مختلف پردازش شود، مانند فایل‌های WAV حاوی داده‌های کدگذاری‌شده با MP3.

علاوه بر این، نوع فایل می‌تواند برای انتخاب یک درایور دستگاه صوتی خاص جهت ضبط و پخش به کار رود.

برای فهرستی از انواع فایل‌های پشتیبانی‌شده، soxformat_ng(7) را ببینید.

-L, --endian little
-B, --endian big
-x, --endian swap

 

این گزینه‌ها مشخص می‌کنند که آیا ترتیب بایت داده‌های صوتی به‌ترتیب «little endian»، «big endian» یا برعکس سیستم میزبان SoX باشد. ترتیب بایت (Endianness) تنها برای داده‌هایی اعمال می‌شود که به‌صورت ممیز شناور یا اعداد صحیح علامت‌دار یا بدون‌علامت ۱۶ بیت یا بیشتر کدگذاری شده باشند. اغلب لازم است یکی از این گزینه‌ها برای فایل‌های بدون سرآیند تعیین شود و گاهی اوقات برای فایل‌های خودتوصیف‌گر (self-describing) نیز ضروری است. یک گزینه تنظیم ترتیب بایت داده‌شده ممکن است برای فایل ورودی‌ای که سرآیند آن حاوی یک شناسه مشخص از ترتیب بایت است، یا برای فایل خروجی‌ای که در واقع یک دستگاه صوتی است نادیده گرفته شود.

نکته: برخلاف سایر مشخصه‌های قالب، ترتیب داده‌ها (ترتیب بایت، نیبل و بیت) فایل ورودی به‌طور خودکار برای فایل خروجی استفاده نمی‌شود. برای نمونه، هنگامی که دستور زیر روی یک سیستم little-endian اجرا شود:

   sox_ng -B audio.s16 trimmed.s16 trim 2

فایل trimmed.s16 به‌صورت little-endian ایجاد خواهد شد؛

   sox_ng -B audio.s16 -B trimmed.s16 trim 2

برای حفظ حالت big-endian در فایل خروجی، باید از دستور بالا استفاده شود.

از گزینه -V می‌توان برای بررسی ترتیب‌های انتخاب‌شده استفاده کرد.

-N, --reverse-nibbles

مشخص می‌کند که ترتیب نیبل‌های نمونه‌ها (یعنی ۲ نیمه یک بایت) باید معکوس شود، که گاهی در قالب‌های مبتنی بر ADPCM کاربرد دارد.

نکته بخش -x در بالا را ببینید.

-X, --reverse-bits

مشخص می‌کند که ترتیب بیت‌های نمونه‌ها باید معکوس شود، که گاهی برای چند قالب (عمدتاً بدون سرآیند) مفید است.

نکته بخش -x در بالا را ببینید.

گزینه‌های قالب فایل خروجی (Output File Format Options)

این گزینه‌ها فقط برای فایل‌های خروجی اعمال می‌شوند و در خط فرمان تنها می‌توانند پیش از نام فایل خروجی قرار گیرند.

--add-comment TEXT

افزودن یک یادداشت به سرآیند فایل خروجی (در صورت امکان).

--comment TEXT

مشخص کردن متن یادداشت برای ذخیره در سرآیند فایل خروجی (در صورت امکان).

اگر این گزینه (یا --comment-file) داده نشود، SoX یادداشت پیش‌فرضی به‌صورت `Processed by SoX' ارائه می‌دهد. برای تعیین اینکه هیچ یادداشتی در فایل خروجی ذخیره نشود، از --comment "" استفاده کنید.

--comment-file FILENAME

مشخص کردن یک فایل حاوی متن یادداشت برای ذخیره در سرآیند فایل خروجی (در صورت امکان).

-C, --compression FACTOR

تنظیم ضریب فشرده‌سازی برای قالب‌های فایل خروجی با فشرده‌سازی متغیر. اگر این گزینه داده نشود، ضریب فشرده‌سازی پیش‌فرض اعمال خواهد شد. ضریب فشرده‌سازی برای قالب‌های مختلف فایل فشرده، به‌طور متفاوتی تفسیر می‌شود؛ برای جزئیات بیشتر، شرح قالب‌های فایلی را که از این گزینه استفاده می‌کنند در soxformat_ng(7) ببینید..SH "جلوه‌ها (EFFECTS)" علاوه بر تبدیل، پخش و ضبط فایل‌های صوتی، SoX می‌تواند برای فراخوانی چندین جلوه صوتی نیز به کار رود. با مشخص کردن چندین جلوه یکی پس از دیگری در انتهای خط فرمان SoX، می‌توان آن‌ها را اعمال کرده و یک «زنجیره جلوه‌ها» (effects chain) تشکیل داد. برای دیدن فهرستی از جلوه‌های پشتیبانی‌شده، soxeffect_ng(7) را ببینید.