音频标准化的Java算法

我正在尝试将语音文件正常化

---

具体来说，当音频文件包含音量峰值时，我会尝试将其调平，这样安静的部分声音会更大，峰值也会更安静

除了从这项工作中学到的知识外，我对音频处理知之甚少。而且，我的数学很糟糕

我做了一些研究，Xuggle网站提供了一个示例，显示了使用以下代码减少音量：（）

步骤2：规范化所有值： 在类似于步骤1的循环中，使用规范化值替换缓冲区，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（）

  中的数学有效吗
• 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

---

我认为“最小采样值”的概念不是很有意义，因为采样值只是表示特定时刻声波的当前“高度”。即，其绝对值将在音频剪辑的峰值和零之间变化。因此，使用

targetRangeMin

似乎是错误的，并且可能会导致波形的某些失真

我认为更好的方法可能是使用某种权重函数，根据样本大小减少样本值。也就是说，较大的值比较小的值减少了很大的百分比。这也会带来一些失真，但可能不是很明显

编辑：以下是此类方法的示例实现：

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，这是您的算法对振幅为10000的正弦曲线所做的：

这解释了音频质量在标准化后变得更差的原因

这是使用我建议的

normalize

方法运行后的结果：

音频的“规范化”是提高音频级别的过程，使最大值等于某个给定值，通常是最大可能值。今天，在另一个问题中，有人解释了如何做到这一点（见#1）：

---

然而，你接着会说“具体来说，如果音频文件包含音量峰值，我会尝试将其调平，这样安静的部分会更响亮，而峰值会更安静。”这称为“压缩”或“限制”（不要与MP3编码中使用的压缩类型混淆！）。您可以在此处阅读更多有关内容：

一个简单的压缩器并不特别难实现，但是你说你的数学“非常糟糕”，所以你可能想找到一个已经建成的。您可能能够找到在中实现的压缩器，并将其从C转换为Java。据我所知，压缩机的java实现中唯一一个可用的（而且不是很好）是

作为解决问题的另一种方法，您可以将文件标准化为每段1/2秒，然后使用线性插值连接用于每段的增益值。您可以在此处阅读有关音频线性插值的内容：

---

我不知道源代码是否可用，但这是您可以尝试的其他内容。

“我正在尝试将其调平，以便安静的部分声音更大，峰值更安静。”-这就是所谓的，与标准化不同。

    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;
}

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); 
}