如何计算ffmpeg astats波峰因数

Question

我正在为我的工作编写ffmpeg链进程脚本。目标是正常化/压缩很多音频文件（mp3）。 它在Python完成，关键的部分是线：

ffmpeg -y -i "Input.mp3" -codec:a libmp3lame -b:a 96k -af acompressor=threshold=-15dB:ratio=5:attack=0.01:release=1000:knee=2,dynaudnorm=g=3:m=2:p=0.95 "Output.mp3" 

的Python脚本是完整和工作，但音频（录音）的性质有很大的不同，所以我不能使用相同的params用于在他们全部。

我就与ffmpeg的过滤器astats值一些尝试，我发现波峰因数（峰RMS水平的标准比）给了一个很好的参考，以编程方式获得更好的PARAMS。

事实上，我看到一个具有良好动态范围声音和平滑形状的录音，可获得9-15的峰值（compress/normlz params将以某种方式保守）。但拥有22-30左右波峰的音频需要更积极的处理。 （全部凭经验）

有人可以澄清如何真正计算波峰值？考虑到哪些高峰？ （为什么平面因子总是0？） 或者如果有人知道如何得到代表声音的平滑度的值也会很好。

感谢您的想法。

Answer 1

一般来说，波峰因数被定义为（Wikipedia）：

展望ffmpeg's source code，我们看到，波峰因数被定义为：

p->sigma_x2 ? FFMAX(-p->nmin, p->nmax)/sqrt(p->sigma_x2/p->nb_samples) : 1) 

撇开我们看到：

crest_factor = FFMAX(-p->nmin, p->nmax)/sqrt(p->sigma_x2/p->nb_samples) 

012 ，

其中式匹配上面给出的是：

• max(- x_min, + x_max)相当于abs(x_peak)
• p->sigma_x2指定音频样本的平方的总和与p->nb_samples对应于音频样本的数目，所以sqrt(p->sigma_x2/p->nb_samples)是RMS value。

希望它有帮助！