如何修改音频的音量增益

一、前言

在开发音频相关的功能(比如说语音通话、播放音乐)时,经常会遇到音量太小的问题,这时候就需要我们对原始数据进行处理。本文将介绍如何通过修改原始音频数据来增加增益,本文包含如下内容:

1.音频数据在软件上的形态

2.音频增益计算公式

3.修改音频增益的代码实现

二、音频数据在软件上的形态

声音在自然界是以模拟信号的形式存在的,为了便于传输和存储,电子设备通常会将声音转成电信号。每个采集到的电信号在软件上都会对应一个数值,软件上通过对这些数值进行处理,最终实现对音频的调整。

软件上通常使用十六进制来表示音频对应的电信号数值,如下图所示:

(2-1)

音频采样的频率越高、位深越大,就越音频能够还原原始的音频。位深越大,音频样本的分辨率就越高。常用的有8bit、16bit、24bit、32bit。

三、音频增益计算公式

声音的大小通常用分贝(dB)来衡量。

在软件上,可以通过同意提供每个采样点的值来增加音频的增益,不过这种方式不太好量化修改后的具体增益。

软件上常使用对原始音频数据进行移位的方式修改音频的增益,这种方式位移数和增益(dB)的数学关系如下:

Gain(dB)= 20 * log10 (2的n次方) (n为位移数)

= 6.02 * n

也就是说,原始数据左移一位,增加6.02个dB。(右移则减小)

四、修改音频增益的代码实现

假定系统中播放的音频数据是16位深小端存储的(低位在前,高位在后),且数据是2通道的,修改音频增益的代码实现应如下所示:

c 复制代码
void change_gain(char *buf, snd_pcm_uframes_t frames, int seek)
                    
{
        //1frame的数据大小为:通道数 * 16/8 = 2 * 2(Byte)            
        int length = frames * 4;
                                        
        for(int i = 0; i < length - 1; i += 2)
                    
        {
                //将两个8bit的数据组合成完整的16bit数据    
                unsigned short value = (buf[i] & 0xFF) | ((buf[i + 1] & 0xFF) << 8);
                //移位修改增益                        
                value <<= seek;
                //获取低8位数据                        
                buf[i] = (value & 0xFF);
                //获取高8为数据    
                buf[i + 1] = (value >> 8) & 0xFF;
                    
        }
                                        
}

这里取向左移动3位,理论上会增加18.06个dB,最后的测试数据如下:

修改前的数据:

(4-1)

修改后的数据:

(4-2)

修改前后数据相差也在18dB左右,说明修改成功了。

相关推荐
启雀AI1 天前
培训平台移动端离线学习方案设计与实现:视频缓存、断点续传与进度同步的工程实践
android·学习·缓存·音视频·企业lms
科技新资讯1 天前
跨境出海视频翻译怎么落地?专业出海级视频翻译工具能力解析
音视频
AI服务老曹1 天前
摄像机安装AI视频分析完整流程:从现场物理安装、硬解配置到算法POC效果验证
人工智能·算法·音视频
Black蜡笔小新1 天前
塔吊监测、安全帽、烟火检测:国标GB28181视频平台EasyCVR在智慧工地视频汇聚中的实战应用
人工智能·音视频·easycvr
小柯南敲键盘1 天前
跨马翻译:跨境电商批量图片翻译与视频字幕工具推荐
人工智能·python·音视频
ai产品老杨2 天前
AI视频分析并发优化完整流程:解决多路视频并发不足与高延迟排查指南
人工智能·音视频
小柯南敲键盘2 天前
电商图片翻译工具推荐,批量处理主图视频字幕,免费试用
大数据·人工智能·python·音视频
程序员老陆2 天前
FFmpeg的AVFrame全部数据操作函数详解
ffmpeg·音视频·avframe
tech讯息2 天前
商业化内容生产适用企业级视频生成模型云平台推荐|从模型生成至审核分发全链路 AWS 选型方案
人工智能·音视频·aws
杀生丸学AI3 天前
【稀疏重建】StructSplat:基于非校准稀疏视图的可泛化3DGS
深度学习·3d·音视频·transformer·三维重建·空间智能