如何计算ffmpeg astats波峰因数

Question

我正在为我的工作编写一个ffmpeg链式流程。目标是规范化/压缩大量音频文件（mp3）。 它是用Python完成的，关键部分是行：

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脚本完成并且正常工作但是音频（录音）的性质非常不同所以我不能对所有这些使用相同的参数。

我对ffmpeg过滤器的值进行了一些实验，我发现波峰因数（峰值与RMS水平的标准比率）给出了一个很好的参考，以编程方式获得更好的参数。< / p>

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，得到9-15左右的波峰值（压缩/ normlz参数将以某种方式保守）。但是22-28左右的音频需要更积极的处理。 （所有经验）

有人可以澄清波峰值是如何计算的吗？考虑到哪些峰值？ （为什么平坦因子总是0？） 或者，如果有人知道如何获得表示声音'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）：

展望ffmpeg's source code，我们发现波峰因素定义为：

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

将案例p->sigma_x2 == 0放在一边，我们看到：

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

匹配上面的公式，给出：

• max(- x_min, + x_max)相当于abs(x_peak)
• p->sigma_x2指定音频样本的平方和，p->nb_samples对应于音频样本的数量，因此sqrt(p->sigma_x2 / p->nb_samples)是RMS value。

希望它有所帮助！