2

我正在使用 libswresample 将任何 PCM 格式重新采样为 44.1kHz、16bit int、立体声。

我正在对生成的音频流进行一些音频音量分析，我发现如果我有 44.1kHz、16 位 int 单声道作为源，我有大致的公式：

leftSample = sourceSample / sqrt(2);
rightSample = sourceSample / sqrt(2);

但我期待：

leftSample = sourceSample;
rightSample = sourceSample;

（如果源是立体声，我只是有leftSample = leftSourceSample; rightSample = rightSourceSample;。）

我的期望来自几个方面：

  1. 我自己的直接解决方案可能就是这样。
  2. 我四处搜索了一下，其他人似乎也在做同样的事情，例如这里。

  3. 在一个非常常见的 ReplayGain 实现中（实际上我知道的唯一一个，基本上到处都在使用，我认为最初来自 mp3gain；一个副本可以在这里看到），它也这样做：

    switch ( num_channels) {
case  1: right_samples = left_samples;
case  2: break;
default: return GAIN_ANALYSIS_ERROR;
}

    这是特别的。相关，因为 ReplayGain 是由这个实现使用单声道的参考声音（粉红噪声，可以在这里下载）校准的。

    在 ReplayGain 规范中，它也是这样计算的（参见此处）。

在我尝试自己实现 ReplayGain 之后，我的困惑就出现了，我偶然发现了这一点。

所以，一些问题：

  1. 为什么 libswresample 会这样做？
  2. 这是 libswresample 中的预期还是错误？（我试图从源头（例如这里）理解，但我还没有完全理解它。）我在这里添加了一个错误报告。
  3. 什么是“正确”的解决方案？
  4. 其他玩家在做什么？
  5. 如果您向其提供单声道样本，常见的声卡会做什么？

（我现在也在avp.stackexchange上发布了这个问题；也许这是一个更好的地方来询问这个问题，不确定。）

4

1 回答 1

3

该实现是将单声道信号“平移”到立体声场的一种正确实现。如果您平移，而不是一直向左或一直向右，您希望信号强度与在中间平移一样，因此向左平移将是：

//left panning
leftSample = sourceSample;
rightSample = 0;
//right panning
leftSample = 0;
rightSample = sourceSample;
//center panning (same power as hard left/right conversion/)
leftSample = sourceSample * sqrt(2)/2;
rightSample = sourceSample * sqrt(2)/2;

但是，如果您是从单声道转换为立体声，那么您的直觉是正确的。没有理由降低电平，因为您不会将居中信号与平移信号进行比较。最好的方法是让信号保持最大强度：

//mono to stereo conversion
leftSample = sourceSample;
rightSample = sourceSample;

他们也可能会留下一些 s/r 转换后的增益变化，但水平似乎是任意的。

于 2012-10-04T02:09:20.167 回答