Elimine el silencio de los archivos de audio dejando huecos

Actualmente estamos usando este comando dentro de un script de shell para eliminar el silencio de los archivos de audio:

ffmpeg -i $INFILE -af silenceremove=0:0:0:-1:1:${NOISE_TOLERANCE}dB -ac 1 $SILENCED_FILE -y

Esto funciona bien, excepto que elimina todo el silencio, lo que hace que el audio restante se junte.

¿Cómo se puede hacer esto dejando dos o tres segundos entre cada pieza de audio?

La solución debe ser muy eficiente, ya que procesaremos mucho audio y deberíamos usar una herramienta que se pueda instalar con bastante facilidad tanto en Linux como en OSX, como ffmpeg o sox.

La mejor manera que he visto es agregando la -lbandera al silencio de la siguiente manera:

sox in.wav out6.wav silence -l 1 0.1 1% -1 2.0 1%

Copié este comando del Ejemplo 6 de esta publicación de blog muy útil llamada The Sox of Silence