我已经询问过音量标准化。在大多数方法（例如，我最感兴趣的ReplayGain）上，我可能会得到超过 PCM 限制的峰值（也可以在此处阅读）。
简单的剪辑可能是我能做的最糟糕的事情。正如 Wikipedia 建议的那样，我应该进行某种形式的动态范围压缩。
我说的是我在每个单独的 PCM 样本值上应用的函数。在另一个类似的问题上，一个答案表明这样做是不够的，或者不是我应该做的事情。但是，我真的不明白这一点，因为我仍然必须处理剪裁案例。答案是否建议一次对多个样本进行范围压缩，并对每个样本进行简单的硬剪辑？
撇开这一点不谈，维基百科文章中讨论的功能似乎不是我想要的（在许多情况下，我最终仍然会使用剪辑案例）。我正在考虑使用类似tanh的东西。这是个坏主意吗？它会稍微降低音量，但保证我不会得到任何剪辑。
我的应用程序是一个通用的音乐播放器。我正在寻找一种最适合所有人的解决方案，这样我就可以随时打开它，而用户很可能不想关闭它。
使用任何瞬时动态范围处理（例如削波或 tanh 非线性）都会引入可听失真。将正弦波放入瞬时非线性函数中，您将不再有正弦波。虽然对某些音频应用程序很有用，但听起来您不想要这些人工制品。
归一化不影响波形的动态（以最小/最大比率表示）。归一化涉及将波形按元素乘以恒定的标量值，以确保没有样本超过最大值。这个过程只能离线完成，因为您需要在处理之前分析整个信号。如果您的波形包含任何强烈的瞬变，归一化也是一个坏主意。您的整个信号将按瞬态峰值除以削波阈值的比率衰减。
如果您只想保护输出不被削波，最好使用侧链式压缩器。一种特定的形式是限制器（在零启动时间的阈值之上无限压缩比）。侧链压缩器计算信号的平滑能量包络，然后根据该函数应用不同的增益。它们不是瞬时的，因此您可以减少从您提到的功能中获得的声音失真。限制器可以具有瞬时启动以防止削波，但您允许释放时间，以便限制器保持对后续波形峰值的衰减，随后的波形只是被调低，因此没有失真。在强烈的声音之后，限制器恢复。
如果波形中有很多高强度峰值，您可以从这种类型的处理中获得泵浦类型的声音。如果这变得有问题，您可以进入下一个级别并在子频段内进行动态处理。这样，只有频谱中的干扰部分会被衰减，其余的声音不受影响。
一般的解决方案是将增益水平归一化到明显低于 1 的水平，这样很少有歌曲需要增加增益。换句话说，大多数时候你会降低而不是增加信号的音量。尝试各种不同风格的歌曲，以确定这个级别是什么。
现在，偶尔，您仍然会遇到一首需要足够增益的歌曲，以至于在某些时候它会剪辑。你有两个选择： 1. 不要增加那么多收益。这首歌听起来会安静一些。这就是生活。（这是一种常用方法），或 2. 应用少量动态范围压缩和/或限制。当然，你也可以做一些1和2的组合。我相信iTunes使用了1和2的组合，但是他们在#2上非常努力，他们应用的很少。
您的建议，在逐个样本的基础上使用像 tanh 这样的函数，会导致声音失真。您不想为通用音乐播放器执行此操作。这是吉他放大器模拟器中所做的那种事情，使它们听起来“肮脏”和“邋遢”。在摇滚、流行或其他已经严重失真的现代音乐中可能听不到它，但在仔细录制的合唱、爵士或小提琴独奏音乐中，人们会感到不安。这与tanh的选择无关，顺便说一下，任何非线性函数都会产生失真。
动态范围压缩使用随时间应用于信号的包络：http ://en.wikipedia.org/wiki/Dynamic_range_compression 这很难正确处理，而且您永远无法创建真正“透明”的压缩器。限幅器可以被认为是压缩器的极端版本（至少在理论上）可以防止信号超过某个电平。数字“前瞻”限制器可以做到这一点，而不会出现明显的削波。当明智地使用时，它是非常透明的。
如果采用这种方式，请确保可以关闭此功能，因为无论您认为它多么透明，都会有人听到而不喜欢它。