Question

我正在使用libswresample从任何PCM格式重采样到44.1kHz，16bit int，stereo。

我正在玩一些音频分析结果音频流，我发现如果我有44.1kHz，16bit int mono作为源，我大致有一个公式：

leftSample = sourceSample / sqrt(2);
rightSample = sourceSample / sqrt(2);

但我在期待：

leftSample = sourceSample;
rightSample = sourceSample;

（如果源是立体声，我只需要leftSample = leftSourceSample; rightSample = rightSourceSample;。）

我的期望来自几个来源：

这就是我自己的直截了当的解决方案。
我搜索了一下，其他人似乎也这样做，例如here。
在一个非常常见的ReplayGain实现中（实际上我唯一知道的，基本上在任何地方使用，我认为最初来自mp3gain;可以看到一个副本here），它也会这样做：
```
switch ( num_channels) {
case  1: right_samples = left_samples;
case  2: break;
default: return GAIN_ANALYSIS_ERROR;
}
```
这是特别的。相关的，因为ReplayGain是通过此实现使用参考声音（粉红噪声，可以下载here）进行校准的，该声音是单声道的。

在ReplayGain规范中，它也是这样计算的（见here）。

在我尝试自己实施ReplayGain之后，我发现了混乱，我偶然发现了这一点。

所以，有些问题：

为什么libswresample会这样做？
这是libswresample或bug的预期吗？（我试图从源头上理解（例如here），但我还没有完全理解它。）我添加了一个错误报告here。
什么是“正确”的解决方案？
其他玩家在做什么？
如果您向其提供单声道样本，常见的声卡是做什么的？

（我现在也在avp.stackexchange上发布了这个问题;也许这是一个更好的地方询问这一点，不确定。）

Answer 1

该实现是将单声道信号“平移”到立体声场中的一种正确实现。如果您平移，而是一直向左或一直向右，您希望信号强度与在中间平移时的信号强度相同，因此向左平移将是：

//left panning
leftSample = sourceSample;
rightSample = 0;
//right panning
leftSample = 0;
rightSample = sourceSample;
//center panning (same power as hard left/right conversion/)
leftSample = sourceSample * sqrt(2)/2;
rightSample = sourceSample * sqrt(2)/2;

但是，如果您要从单声道转换为立体声，您的直觉是正确的。没有理由降低水平，因为你不会将中心与平移信号进行比较。最好的方法是让信号保持最大强度：

//mono to stereo conversion
leftSample = sourceSample;
rightSample = sourceSample;

它们也可能会留下一些后s / r转换增益变化，但水平似乎是任意的。

如何进行单声道到立体声转换？

1 个答案: