音量正常化时的动态范围压缩

Question

我已经询问了audio volume normalization。在大多数方法中（例如ReplayGain，我最感兴趣的是），我可能会得到超过PCM极限的峰值（也可以读取here）。

简单的裁剪可能是我能做的最糟糕的事情。 As Wikipedia suggests，我应该做一些形式dynamic range compression。

我在谈论我在每个单独的PCM采样值上应用的函数。在另一个similar question,one answer暗示这样做是不够的或不是我应该做的事情。但是，我并不了解这一点，因为我仍然需要处理剪辑案例。答案是否建议一次对多个样本进行范围压缩，并对每个样本进行简单的硬裁剪？

除此之外，维基百科文章中讨论的功能似乎有点不是我想要的（在很多情况下，我最终还是会有裁剪案例）。我正在考虑使用类似tanh的东西。这是一个坏主意吗？它会稍微减少音量，但保证我不会收到任何剪辑。

我的应用程序是一个通用的音乐播放器。我正在寻找一种最适合每个人的解决方案，以便我可以随时打开它，并且用户很可能不想关闭此功能。

Answer 1

使用任何瞬时动态范围处理（如削波或tanh非线性）都会引入声音失真。将正弦波放入瞬时非线性函数中，不再有正弦波。虽然对某些音频应用程序很有用，但听起来好像你不想要这些文物。

标准化不会影响波形的动态（根据最小/最大比率）。归一化包括将波形按元素方式乘以恒定的标量值，以确保没有样本超过最大值。这个过程只能通过离线完成，因为在处理之前需要分析整个信号。如果波形包含任何强烈的瞬态，标准化也是一个坏主意。您的整个信号将被瞬态峰值除以限幅阈值的比率衰减。

如果你只是想保护输出免受削波，你最好使用侧链式压缩机。这是一个特定的形式是限制器（无限的压缩比率高于阈值，零攻击时间）。侧链压缩器计算信号的平滑能量包络，然后根据该函数施加变化增益。它们不是瞬时的，所以你可以减少从你提到的功能中获得的可听失真。限制器可以有瞬间攻击来防止削波，但是允许释放时间，以便限制器保持对后续波形峰值的衰减，随后的波形刚好被调低，因此不会失真。激烈的声音之后，限制器恢复。

如果波形中有很多高强度峰值，则可以从这种类型的处理中获得泵浦型声音。如果这变得有问题，则可以进入下一个层次并在子带内进行动态处理。通过这种方式，只有频谱中的有问题的部分才会被削弱，而其余的声音不受影响。

Answer 2

一般的解决方案是规范化到明显低于1的增益水平，这样极少数歌曲需要增加增益。换句话说，大部分时间你会降低信号的音量而不是增加。试用不同风格的各种歌曲来确定这个级别是什么。

现在，偶尔你还会遇到一首需要足够增益的歌曲，在某些时候，它会被剪辑掉。你有两个选择：1.不要增加那么多的收益。这首歌会听起来更安静。这就是生活。 （这是一种常用的方法），或者2.应用少量的动态范围压缩和/或限制。当然，你也可以做一些1和2的组合。我相信iTunes使用1和2的组合，但他们在＃2上非常努力，而且他们的应用很少。

您的建议使用类似tanh的功能逐个采样，会导致声音失真。你不想为通用音乐播放器做这个。这是在吉他放大器模拟器中完成的，使它们听起来“脏”和“蹩脚”的。它在摇滚，流行音乐或其他现代音乐中听起来可能听不到，但是在精心录制的合唱，爵士乐或独奏小提琴音乐中，人们会感到不安。这与tanh的选择无关，任何非线性函数都会产生失真。

动态范围压缩使用随时间施加于信号上的信封：http://en.wikipedia.org/wiki/Dynamic_range_compression 这样做很棘手，无法创建真正“透明”的压缩器。限幅器可以被认为是压缩机的一个极端版本（至少在理论上）可以防止信号超过某个水平。数字“前瞻”限制器可以在没有明显限幅的情况下进行。明智地使用时，它非常透明。

如果采取这种方法，请确保可以关闭此功能，因为不管您认为它有多透明，有人会听到它而不喜欢它。