網上找了一圈都沒有找到比較靠譜的方法, 有一篇文章提到用什麼do_pcm工具, 但是全網都沒有相關的內容, 這裏貼上一個調用pydub.effects.normalize方法進行振幅歸一化的方法. 方便後面的同學.
-
主要思想
取一段語料中幅度最大的點將其幅度拉大到接近1,記錄拉大的比例,再將其他所有點均按這個比例拉伸。 -
pydub.effects.normalize源碼
@register_pydub_effect
def normalize(seg, headroom=0.1): # 傳入一個pydub的AudioSegment對象<class 'pydub.audio_segment.AudioSegment'>
"""
headroom is how close to the maximum volume to boost the signal up to (specified in dB)
headroom是多遠接近最大音量(振幅)以提升信號(以dB爲單位)
"""
peak_sample_val = seg.max # 計算傳入的sound的最大振幅作爲 峯值樣本振幅值
# if the max is 0, this audio segment is silent, and can't be normalized
# 如果最大值爲0,則此音頻段是靜默的,無法標準化 直接返回seg就好
if peak_sample_val == 0:
return seg
target_peak = seg.max_possible_amplitude * db_to_float(-headroom) # 目標峯值 = seg的最大可能振幅 * 轉化成浮點數的理論最大振幅
needed_boost = ratio_to_db(target_peak / peak_sample_val) # 用 目標峯值/峯值樣本振幅值 得到 浮點形式的音頻縮放比例 再用ratio_to_db方法把這個值從浮點單位轉成dB單位
return seg.apply_gain(needed_boost) # 調用apply_gain對seg執行needed_boost尺度的全局增益
- python調用pydub.effects.normalize進行振幅歸一化的方法
from pydub import effects
_sound = AudioSegment.from_file("./input.wav", "wav")
sound = effects.normalize(_sound)
sound.export("./output.wav", format="wav")
- 實際效果
before normalized input.wav
after normalized output.wav