Простое обнаружение тишины выполняется путем последовательного сравнения фрагментов звука с некоторым значением (которое выбирается в зависимости от качества записи).
Что-то вроде:
abs(track[position]) < 0.1
или
(track[position]) < 0.1) && (track[position]) > -0.1)
если мы предположим, что чанк равен [-1, 1] с плавающей точкой.
Было бы лучше, если бы звук нормализовался.