用于规范化音频的Java算法

Question

我正在尝试规范化语音音频文件。

具体来说，如果音频文件包含音量峰值，我会尝试将其调高，因此安静的部分会更响亮，峰值会更安静。

我对音频处理知之甚少，超出了我从这项任务中学到的知识。而且，我的数学很尴尬。

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：（full version here）

@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，他们将getAudioSamples()中的字节修改为常量mVolume。

在这种方法的基础上，考虑到文件中的最大值/最小值，我尝试将规范化将getAudioSamples()中的字节修改为标准化值。 （详见下文）。我有一个简单的过滤器可以单独留下“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：在文件中找到峰：

读取完整的音频文件，并为所有AudioSamples找到buffer.get()的最高和最低值

    @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);

    }

步骤2：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？
• normalize()的数学是否有效？
• 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？

Answer 1

我不认为“最小样本值”的概念是非常有意义的，因为样本值仅表示某个时刻声波的当前“高度”。即其绝对值将在音频剪辑的峰值和零之间变化。因此，targetRangeMin似乎是错误的，可能会导致波形失真。

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。即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，但可能不太明显。

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，这是您的算法对幅度为10000的正弦曲线所做的：

这解释了为什么音质在标准化后会变得更糟。

这是使用我建议的normalize方法运行后的结果：