做实验需要控制所有视频的声音的大小差不多，不然有的视频的声音太大有的太小，影响被试的反应；因此需要对视频中的音频进行标准化，这是在做音频标准化过程中搜集到的资料，在这里汇总一下，基本是从音频标准化入门到放弃。
Audio normalization是什么？
内容来源：
Audio normalization可以分为两种做法：Peak (level) normalization 和 Loudness normalization。
Peak normalization：
将声音最大(peak)的地方，调整到特定音量（如最大0 dBFS），然后其他音频做相应的增/减调整。优点是只要找出最大声音处，就能决定整体的音量调整。缺点是peak对于整体音频不一定具有代表性，比如某个时刻出现爆炸声，并不一定整体都是爆炸声，那标准化的结果会因此受到影响。这个操作的一般应用在录音阶段，在录音时提供一个声音的范围。用这个方法处理音频之后，可能音频声音最大处的声音提高到了特定的音量，其他的音段也提高了，但是有可能和最高音相比还是差很多。
Loudness normalization：
先计算出整体声音的平均音量，再根据平均音量到期望音量的差值，做为调整的依据，最后使的平均音量达到期望音量的大小。优点是平均音量比较有代表性，缺点是计算比较复杂，大音量在调整时，由于音量爆表被切掉了，各个音量之间的对比也变的不一样。应用场景：当音乐表单中有很多歌曲时，这些歌曲的声音大小都不同，有的歌曲的声音很大，有的很小，这样会迫使使用者不断调整音量的大小，所以需要一个标准来解决这样的问题。比如YouTube，他的音量的大小是−14LUFS，如果上传者的视频的声音大小为−10 LUFS,，那么他就会把上传的音频再降低4 dB，使其达到平台的标准的声音。
Audio normalization 怎么做？
How can I normalize audio using ffmpeg?
其实有很多软件可以用的，比如MP3Gain，Audition...之类的，但是本着自己动手丰衣足食的想法，还是去谷歌了一下，连接上介绍用ffmpeg和 ffmpeg-normalize 的python库的方法，这两种方法本质上是一样的，最后都是用ffmpeg来实现的。
Audio normalization 的标准是什么？
这里介绍了音频处理的常识和一些名词
名词解释
增益，英文是gain，其定义是：对元器件、电路、设备或系统，其电流、电压或功率增加的程度。通过这个定义可知，在对音频设置增益时，音量提升了，音频输出的电流、功率也随之提升，假如音频具有很大的噪音，噪音也会随着增益的升高而变大，尤其是有交流声噪音的音频，因此音频增益不只是简单的放大音量。增益的单位是分贝dB。
网友评论