如何计算 ffmpeg astats 波峰因数

Question

我正在为我的工作编写一个 ffmpeg 链流程。目的是规范化/压缩大量音频文件（mp3）。 它是在 Python 中完成的，关键部分是这一行：

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"

python 脚本是完整的并且可以工作，但是音频（录音）的性质非常不同，所以我不能对所有这些都使用相同的参数。

我对 ffmpeg 过滤器 astats 的值进行了一些试验，发现 波峰因数（峰值与 RMS 电平的标准比）为以编程方式获得更好的参数提供了很好的参考。

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，获得的波峰值在 9-15 左右（compress/normlz 参数会有点保守）。但是波峰在 22-30 左右的音频需要更积极的处理。 （全部凭经验）

有人可以澄清峰值是如何计算的吗？考虑了哪些峰？ （为什么平坦因子总是 0？） 或者，如果有人知道如何获得代表声音“平滑度”的值也会很好。

感谢您的想法。

Answer 1

一般来说，波峰因数定义为(Wikipedia)：

查看ffmpeg's source code，我们看到波峰因数定义为：

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

抛开案例p->sigma_x2 == 0，我们看到：

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

与上面的公式相匹配，假设：

• max(- x_min, + x_max) 等价于 abs(x_peak)
• p->sigma_x2 表示音频样本的平方和，p->nb_samples 对应音频样本的数量，所以sqrt(p->sigma_x2 / p->nb_samples) 是RMS value。

希望对你有帮助！