多媒體開發（5）&音頻特徵：聲音能夠調大一點嗎？

基本上，如今經常使用的聲音採樣辦法是pcm，而對於壓縮音頻的解碼，獲得的也pcm數據。這個pcm數據，只是一堆數值，有正有負，看這個值看不出什麼花樣。

聲音採集，採的是什麼呢？

採的是聲音的強度變化，也是聲音這種能量的強弱變化，這種強弱用分貝來表示，即dB。因此，pcm數據跟這個dB就必定有關係，這個關係是這樣的：
dB=20∗log10(pcm)
pcm=pow(10,(dB/20.0))

模數轉換ADC時經常使用的位深是16bit，也就是用16位來表示一個sample，這裏不考慮偷懶而使用不足16位的狀況。16位能表示65536個值，也就意味着有65536個dB能夠表示出來，哪又怎麼樣？很厲害了嗎？

的確是比較厲害的了。

16位的pcm數值，分正負，那正數的範圍是0至32767，負數的範圍是-1至-32768，隨便挑幾個來看看，對應的dB是多少，以下圖：

由上面的運算可知，16位的pcm值，若是不分正負，最大能夠表示96dB，若是分正負，也能表示到90dB。90dB是什麼概念？有數據代表（我也不清楚什麼數據），85dB就會傷害了你，90dB至關於摩托車啓動的聲音--你有開過嗎？

因此，你的pcm數據須要去到90dB以上嗎？想禍害誰？通常狀況下，能表示到90dB就很夠用了。

既然知道了pcm數值與dB的關係，就能夠搞點事情了，好比把pcm轉成dB後再放大一點，再保存成新的文件，是否是播放就能夠大聲一點了呢？

來作個實驗。

import math
import math
import wave
import audioread
import contextlib
import sys
import math
import struct

def gainpcm(filepath):
    try:
        with audioread.audio_open(filepath) as f:
            with contextlib.closing(wave.open(filepath+'.wav', 'w')) as of:
                of.setnchannels(f.channels)
                of.setframerate(f.samplerate)
                of.setsampwidth(2)
                for buf in f:
                    for i in range(0, len(buf)-2, 2):
                        s = buf[i] + buf[i+1]
                        pcm = struct.unpack('<h', s)[0]
                        apcm = abs(pcm)
                        if apcm==0:
                            apcm=1
                        db = 20*math.log10(apcm)
                        db = db * 1.2
                        apcm=int(math.pow(10, float(db)/20.0))
                        if apcm>32767:
                            apcm=32767
                        if pcm < 0:
                            pcm=-apcm
                        else:
                            pcm = apcm
                        tbuf = struct.pack('<h', pcm)
                        of.writeframes(tbuf)

    except audioread.DecodeError:
        print("File could not be decoded.")
        sys.exit(1)

if __name__ == '__main__':
    gainpcm('test.mp3')

這裏是對代碼的簡單解釋：

把一個mp3放過去試驗，出來一個wav，發現wav文件的聲音真的大了好多（好可能是由於這裏設置了db*1.2）。可是，另外一個問題也暴露出來了，就是聽起來聲音失真很嚴重了，這是由於放大到這個程度，不少apcm都超過了32767，也就是人們說的截頂失真了，看一下原文件與放大後的文件波形圖就更清楚了：

因爲不能上傳音頻，這裏就不提供直接的音頻對比了。

因而可知，要想不失真，那db就不要乘那麼大的數啊--另外一個辦法：給它限幅（壓幅），或者直接使用更合適的總體技術（靈活變音量跟限幅都考慮進去了）好比agc或drc等，明顯這個不是這裏的內容。

好了，總結一下，本文演示了改變音量的一種最原始的辦法，就是直接改pcm的值（轉dB再改變，其實也能夠直接改變pcm值），但這不是最好的辦法，由於它會引入失真的反作用。而從pcm數據中提取出能量（dB），這個也更像是音頻特徵的技能。有緣再見，see you。