用于规范化音频的Java算法
我正在尝试规范化语音的音频文件。
具体来说，当音频文件包含音量峰值时，我正试图将其调高，因此安静的部分更响亮，峰值更安静。
除了我从这项任务中学到的东西之外，我对音频操作知之甚少。 而且，我的数学令人尴尬地弱。
我做了一些研究，Xuggle网站提供了一个示例，显示使用以下代码减少音量:( 此处完整版 ）
@Override public void onAudioSamples(IAudioSamplesEvent event) { // get the raw audio byes and adjust it's value ShortBuffer buffer = event.getAudioSamples().getByteBuffer().asShortBuffer(); for (int i = 0; i < buffer.limit(); ++i) buffer.put(i, (short)(buffer.get(i) * mVolume)); super.onAudioSamples(event); } 在这里，他们通过mVolume的常量修改getAudioSamples()的字节。
基于这种方法，我尝试将规范化将getAudioSamples()的字节修改为标准化值，同时考虑文件中的最大值/分钟。 （详见下文）。 我有一个简单的filter来单独留下“沉默”（即，任何低于值的东西）。
我发现输出文件非常嘈杂（即，质量严重下降）。 我假设错误是在我的规范化算法中，或者是我操纵字节的方式。 但是，我不确定下一步该去哪里。
这是我目前所做的精简版。
第1步：在文件中查找峰值：
读取完整的音频文件，并为所有AudioSamples找到buffer.get()最高和最低值
@Override public void onAudioSamples(IAudioSamplesEvent event) { IAudioSamples audioSamples = event.getAudioSamples(); ShortBuffer buffer = audioSamples.getByteBuffer().asShortBuffer(); short min = Short.MAX_VALUE; short max = Short.MIN_VALUE; for (int i = 0; i < buffer.limit(); ++i) { short value = buffer.get(i); min = (short) Math.min(min, value); max = (short) Math.max(max, value); } // assign of min/max ommitted for brevity. super.onAudioSamples(event); }
第2步：规范化所有值：
在类似于step1的循环中，用标准化值替换缓冲区，调用：
buffer.put(i, normalize(buffer.get(i)); public short normalize(short value) { if (isBackgroundNoise(value)) return value; short rawMin = // min from step1 short rawMax = // max from step1 short targetRangeMin = 1000; short targetRangeMax = 8000; int abs = Math.abs(value); double a = (abs - rawMin) * (targetRangeMax - targetRangeMin); double b = (rawMax - rawMin); double result = targetRangeMin + ( a/b ); // Copy the sign of value to result. result = Math.copySign(result,value); return (short) result; }
问题：
- 这是尝试规范化音频文件的有效方法吗？
- 我的数学在
normalize()有效吗？ - 为什么这会导致文件变得嘈杂，而演示代码中的类似方法却没有？
我不认为“最小样本值”的概念是非常有意义的，因为样本值仅表示在某个时刻的声波的当前“高度”。 即它的绝对值将在音频剪辑的峰值和零之间变化。 因此，具有targetRangeMin似乎是错误的并且可能会导致波形的某些失真。
我认为更好的方法可能是使用某种权重函数，根据其大小减少样本值。 也就是说，较大的值比较小的值减少了很大的百分比。 这也会引入一些失真，但可能不是很明显。
编辑：这是这种方法的示例实现：
public short normalize(short value) { short rawMax = // max from step1 short targetMax = 8000; //This is the maximum volume reduction double maxReduce = 1 - targetMax/(double)rawMax; int abs = Math.abs(value); double factor = (maxReduce * abs/(double)rawMax); return (short) Math.round((1 - factor) * value); }
作为参考，这是您的算法对振幅为10000的正弦曲线所做的操作： 
这解释了为什么在标准化后音频质量变得更差。
这是使用我建议的normalize方法运行后的结果： 
音频的“标准化”是增加音频电平的过程，使得最大值等于某个给定值，通常是最大可能值。 今天，在另一个问题中，有人解释了如何做到这一点（见＃1）： 音量正常化
然而，你继续说“具体来说，音频文件包含音量峰值，我试图将其调高，因此安静的部分更响亮，峰值更安静。” 这称为“压缩”或“限制”（不要与压缩类型混淆，例如编码MP3时使用的压缩类型！）。 您可以在此处阅读更多相关信息： http ： //en.wikipedia.org/wiki/Dynamic_range_compression
一个简单的压缩器并不是特别难以实现，但你说你的数学“令人尴尬地弱”。 所以你可能想找到一个已经建成的。 您可以在http://sox.sourceforge.net/中找到一个压缩器，并将其从C转换为Java。 压缩机的唯一java实现我知道谁的源可用（并且它不是很好）在本书中
作为解决问题的替代方法，您可以将文件标准化为每秒1/2秒，然后使用线性插值连接每个段使用的增益值。 你可以在这里阅读有关音频的线性插值： http ： //blog.bjornroche.com/2010/10/linear-interpolation-for-audio-in-cc.html
我不知道源代码是否可用于levelator ，但这是你可以尝试的其他东西。