前言
第 4 天你学会了看波形，知道波形的高低和振幅有关。但真正进入音频工程后，只说"波形大一点""声音小一点"是不够的。
第 5 天要解决的问题是：音频里的大小到底怎么描述、怎么计算、怎么避免放大后失真。
今天会讲几个非常常见的概念：
- 音量
- 增益
Gain - 分贝
dB - 数字满刻度
dBFS - 峰值
Peak - 均方根
RMS
这些概念会在归一化、动态范围控制、响度分析、削波检测、导出电平控制中反复出现。学好这一天，后面很多处理功能会更容易理解。
这篇在整套教程里的位置
- 这篇承接 第 4 天：学会看波形 里的振幅和峰值观察，开始解释为什么"数值更大"和"听起来更响"不是一回事。
- 本文会把增益、
dB、dBFS、Peak、RMS放进同一套坐标系里，为后面的削波、动态范围和归一化打底。 - 学完后建议继续看 第 6 天：理解削波和动态范围，把电平概念延伸到失真、余量和位深。
今天学完后，你应该掌握什么
看完这篇文章后，你应该能说清：
- 音量、振幅、增益之间是什么关系
- 为什么增益本质上常常是对采样值乘系数
- 为什么放大采样值可能导致削波
- 为什么音频里常用
dB dB和dBFS有什么区别Peak和RMS分别描述什么- 为什么 Peak 高不一定代表听起来更响
- 为什么归一化不等于让声音"听起来一样响"
先区分音量、振幅和响度
初学者经常把几个词混在一起：
- 音量
- 振幅
- 响度
- 电平
它们相关，但不是完全相同。
振幅是信号大小
振幅是更偏物理或信号层面的概念。对 PCM 来说，振幅可以理解成采样值偏离 0 的程度。
采样值越大，波形离中心线越远。
音量是常用口语表达
平时说"音量大一点"，可能指很多东西：
- 播放器音量调大
- 音频文件本身电平更高
- 扬声器输出功率更大
- 主观听起来更响
所以"音量"这个词在日常里很方便，但在工程里不够精确。
响度是主观听感
响度更偏人耳感受。人耳对不同频率、不同持续时间、不同动态结构的敏感度不同，所以响度不是简单等于采样值大小。
例如：
- 一个短促尖峰 Peak 很高，但不一定听起来很响
- 一段持续饱满的人声 Peak 不一定最高，但可能听起来更响
所以今天先建立一个区分：
振幅是信号数值，响度是听觉感受，音量是日常表达。
什么是增益
增益 Gain 可以先理解成：
对音频信号整体放大或缩小的比例。
在 PCM 处理中，最直接的增益处理就是对每个采样值乘以一个系数：
text
outputSample = inputSample × gain例如：
gain = 0.5：振幅变成一半gain = 1.0：保持不变gain = 2.0：振幅变成两倍
如果一段波形的所有采样值都乘以 0.5，波形高度会变矮。如果都乘以 2.0，波形高度会变高。
增益和播放器音量有什么区别
播放器音量通常是播放设备或软件输出层面的控制，不一定改变音频文件本身。
增益处理则可能直接改变音频数据。
例如：
- 播放器里把音量拉到 50%，原始文件通常没有变化
- 音频编辑器里对 PCM 应用
-6 dB增益并导出，新文件的数据已经变了
所以要区分：
- 播放音量：播放时怎么输出
- 数据增益：音频数据本身怎么被放大或衰减
在音频工具开发中，很多"处理结果导出"都属于数据层面的改变。
为什么放大可能导致削波
数字音频有最大可表示范围。
假设某个格式的采样值范围是：
text
-32768 到 32767如果原始采样值是 25000，你乘以 2.0：
text
25000 × 2 = 50000但 50000 已经超过最大值 32767。系统无法保存这个值，只能截断到最大可表示值。
这就是削波。
所以放大前需要考虑：
- 当前最大峰值是多少
- 放大后是否超过上限
- 是否需要先计算安全增益
- 是否允许出现限制器或软削波等处理
最基础的原则是：
任何正增益都可能增加削波风险。
什么是分贝
分贝 dB 是一种对数单位。
这句话听起来不友好，但你可以先这样理解：
dB 常用来描述比例变化，而不是直接描述某个采样值。
例如在音频里：
+6 dB大约表示振幅变为 2 倍-6 dB大约表示振幅变为 0.5 倍0 dB在增益语境里表示没有变化
这里的 0 dB 不是"没有声音"，而是"相对于参考值没有增减"。
为什么音频喜欢用 dB
音频里使用 dB 有几个原因。
第一，人耳听感不是线性的
采样值乘以 2，不代表你主观上觉得"刚好响两倍"。人耳对响度变化的感知更接近对数关系。
第二，音频动态范围很大
音频信号可能从非常小到非常大。如果全用线性数字表达，数值跨度很大，不方便阅读。
用 dB 可以把很大的比例范围压缩到更容易理解的数字范围。
第三，工程工具都用它沟通
你会在这些地方看到 dB：
- 电平表
- 增益旋钮
- EQ
- 压缩器阈值
- 限制器上限
- 响度标准
- 归一化目标
所以 dB 是音频工程里的通用语言。
线性增益和 dB 怎么对应
入门阶段不必死记公式，但知道几个常见对应关系很有用：
| dB 变化 | 振幅大致变化 |
|---|---|
+6 dB |
约 ×2 |
-6 dB |
约 ×0.5 |
+12 dB |
约 ×4 |
-12 dB |
约 ×0.25 |
0 dB |
不变 |
严格计算会用对数公式，但初学时先记住 6 dB 约等于振幅翻倍/减半，就能理解很多工具参数。
注意这里说的是振幅，不是功率，也不是主观响度翻倍。
什么是 dBFS
dBFS 是数字音频里非常重要的单位。
它的意思可以理解成：
相对于数字满刻度的分贝值。
FS 是 full scale，也就是数字系统能表示的最大电平。
在数字音频中：
0 dBFS通常表示最大可表示电平- 正常 PCM 峰值不应该超过
0 dBFS - 常见电平值通常是负数，比如
-6 dBFS、-12 dBFS
这和普通增益语境里的 0 dB 不一样。
0 dB 和 0 dBFS 不要混
在增益里：
text
0 dB = 不放大也不衰减在 dBFS 里：
text
0 dBFS = 数字满刻度上限所以看到 0 dB 要先问：它的参考点是什么？
什么是 Peak
Peak 是峰值，表示一段音频中出现过的最大瞬时幅度。
在数字音频里，常见说法是峰值达到多少 dBFS。
例如：
- Peak =
-12 dBFS：最大峰值距离满刻度还有 12 dB - Peak =
-1 dBFS：已经很接近满刻度 - Peak =
0 dBFS：达到满刻度
Peak 最适合回答：
有没有瞬间接近上限或发生削波风险。
什么是 RMS
RMS 是 Root Mean Square，中文常叫均方根。
数学定义可以以后再深入。入门阶段先这样理解：
RMS 更接近一段音频的平均能量水平。
如果 Peak 看的是最高瞬间，RMS 更像是在看整体有多"扎实"、多"持续"。
例如：
- 一个短促爆点：Peak 很高，RMS 可能不高
- 一段持续饱满音乐：Peak 不一定最高，RMS 可能很高
RMS 和主观响度更接近一些，但仍不等于完整响度。真正响度还要考虑频率加权、时间窗口和人耳感知模型。
Peak 和 RMS 为什么要一起看
只看 Peak，会忽略整体能量。
只看 RMS，会忽略瞬时过载风险。
一起看更有意义：
| 情况 | 可能说明 |
|---|---|
| Peak 高，RMS 低 | 可能有孤立尖峰或爆点 |
| Peak 高，RMS 高 | 整体很满，也接近上限 |
| Peak 低，RMS 低 | 整体偏小 |
| Peak 低，RMS 相对高 | 可能经过压缩，动态较小 |
这只是初步判断，不能代替完整听感分析，但非常实用。
什么是峰值归一化
峰值归一化是很常见的处理。
它的基本思路是：
- 找到整段音频的最大峰值
- 计算把这个峰值推到目标电平所需的增益
- 对整段音频应用同一个增益
例如目标峰值是 -1 dBFS，当前最大峰值是 -7 dBFS，那么可以整体增加约 +6 dB。
但峰值归一化只保证最大峰值到达目标位置，不保证主观响度一致。
两个文件都归一化到 -1 dBFS，听起来仍然可能一个大、一个小，因为它们的 RMS、频率分布和动态范围不同。
增益处理在 PCM 里的边界问题
做增益处理时，要考虑几个边界条件。
空 PCM
没有数据就不能处理，应直接报错或返回空结果。
声道和位深
不同位深的 sample 范围不同，放大后需要按对应范围钳位。
多声道
通常要对所有声道应用同一个增益。否则左右声道平衡会变化。
防止溢出
整数 PCM 运算时，直接相乘可能超过整数范围。工程里通常会用更高精度类型计算，再钳位写回。
应用场景
音量调整
最基础的音量调整就是改变增益。衰减比较安全，放大要检查峰值。
淡入淡出
淡入淡出本质上是让增益系数随时间变化：
text
淡入: 0 -> 1
淡出: 1 -> 0归一化
归一化会根据峰值或响度目标计算增益，然后应用到整段音频。
静音检测
判断一段是否静音时，常看 RMS 或能量，而不是只看单个 sample。
动态范围控制
压缩器会根据电平变化动态改变增益，让大声部分被压低，小声部分相对更突出。
初学者最容易混淆的几个点
误区 1：0 dBFS 是没有声音
不对。0 dBFS 是数字满刻度，通常表示最大可表示电平。
误区 2：0 dB 永远表示最大值
不对。0 dB 要看参考点。在增益语境里，0 dB 通常表示不增不减。
误区 3：Peak 越高，听起来一定越响
不对。Peak 只代表瞬间最大值，主观响度还和平均能量、频率分布、持续时间有关。
误区 4：RMS 就等于响度
不完全对。RMS 比 Peak 更接近平均能量，但真正响度还需要更复杂的听感模型。
误区 5：归一化后所有音频听起来都会一样大
不对。峰值归一化只对齐最大峰值，不对齐主观响度。
误区 6：降低音量可以修复削波
不对。降低音量只能让削波后的失真变小声，不能恢复被截掉的波形。
今天建议这样练
练习 1：记住几个 dB 对应关系
先记住：
+6 dB约等于振幅 ×2-6 dB约等于振幅 ×0.50 dB在增益里表示不变
然后试着解释给别人听。
练习 2：观察 Peak 和听感
找两段音频：
- 一段有短促尖峰
- 一段整体持续较满
观察哪段 Peak 更高，再听哪段主观更响。
练习 3：解释 dBFS
用自己的话解释为什么数字音频里常见电平是负数，比如 -12 dBFS。
练习 4：推导安全增益
假设一段音频当前 Peak 是 -6 dBFS，如果你增加 +10 dB，思考它为什么可能削波。
今天的总结
今天最重要的是建立"音频大小"的工程语言：
- 增益通常表示对信号乘以比例
- 放大采样值可能超过可表示范围，导致削波
- dB 是描述比例变化的对数单位
- dBFS 是相对于数字满刻度的电平单位
- Peak 描述最大瞬间值
- RMS 更接近平均能量
- Peak 和 RMS 要一起看
- 峰值归一化不等于主观响度一致
自检问题
- 增益在 PCM 处理中通常意味着什么？
- 为什么正增益可能导致削波？
- 为什么音频工程里常用 dB？
0 dB和0 dBFS有什么区别？- Peak 和 RMS 分别描述什么？
- 为什么 Peak 高不一定听起来更响？
- 为什么峰值归一化不等于响度归一化？
自检参考答案
1. 增益在 PCM 处理中通常意味着什么
通常意味着对采样值乘以一个系数，让信号整体放大或缩小。
2. 为什么正增益可能导致削波
因为放大后采样值可能超过当前格式的最大可表示范围，超出的部分会被截断。
3. 为什么音频工程里常用 dB
因为 dB 适合表达比例变化，也更贴近人耳对响度变化的感知方式，并且是音频工具里的通用表达。
4. 0 dB 和 0 dBFS 有什么区别
增益语境里的 0 dB 通常表示不增不减。0 dBFS 表示数字满刻度，也就是最大可表示电平。
5. Peak 和 RMS 分别描述什么
Peak 描述最大瞬间振幅，RMS 更接近一段音频的平均能量水平。
6. 为什么 Peak 高不一定听起来更响
因为 Peak 只看瞬间，主观响度还受平均能量、持续时间和频率分布影响。
7. 为什么峰值归一化不等于响度归一化
因为峰值归一化只对齐最大峰值，不对齐 RMS、动态范围和人耳感知响度。
明天会学什么
明天会专门讲削波和动态范围。你会理解为什么"录得太满"有风险，为什么 24-bit 在录音和后期里更常见，以及动态范围和噪声底之间是什么关系。