一、前言

记得在很多年前使用MP3、MP4播放器的时候，里面的音频和视频数据都是自己从别的地方拷贝下来的，因此其中的音频音量大小标准不一致，经常会出现上一首歌需要调整很大的设备音量，而下一首同样的音量就非常刺耳。这其中跟音频的“响度”有很大的关系，都看到过音频的波形图，就是跟波峰有较大的关系。

为什么这些互联网音乐平台如网易云音乐、qq音乐的乐库中，几乎所有的音乐音量大小都一致，起初以为是有一个内容审核团队，每次上传之前都会进行审核，后来觉得有可能是使用到了音量标准化的方式去统一。

二、正文

当前衡量一个音频音量的常用单位是分贝（db），对音频音量处理相关的操作都是基于分贝而来。而ffmpeg作为我们多媒体处理届的大佬，在这一块也是有相应的功能，其中ffmpeg的安装在   ffmpeg基本使用  这一篇博客中有讲到，下面仔细介绍ffmpeg各种处理音频音量的方式。

查看音频分贝

ffmpeg -i great.mp3 -filter_complex volumedetect -c:v copy -f null /dev/null

输出如下图所示，可以看到最高为-10db，最低为-31db，histogram_11db：25 应该为-11db的长度为25帧？

[Parsed_volumedetect_0 @ 0x7f8b1a201300] n_samples: 0
Stream mapping:
  Stream #0:0 (mp3float) -> volumedetect
  volumedetect -> Stream #0:0 (pcm_s16le)
Press [q] to stop, [?] for help
Output #0, null, to '/dev/null':
  Metadata:
    encoder         : Lavf58.20.100
    Stream #0:0: Audio: pcm_s16le, 44100 Hz, stereo, s16, 1411 kb/s
    Metadata:
      encoder         : Lavc58.35.100 pcm_s16le
size=N/A time=00:00:01.58 bitrate=N/A speed= 273x
video:0kB audio:272kB subtitle:0kB other streams:0kB global headers:0kB muxing overhead: unknown
[Parsed_volumedetect_0 @ 0x7f8b197c1080] n_samples: 139396
[Parsed_volumedetect_0 @ 0x7f8b197c1080] mean_volume: -31.2 dB
[Parsed_volumedetect_0 @ 0x7f8b197c1080] max_volume: -10.6 dB
[Parsed_volumedetect_0 @ 0x7f8b197c1080] histogram_10db: 7
[Parsed_volumedetect_0 @ 0x7f8b197c1080] histogram_11db: 25
[Parsed_volumedetect_0 @ 0x7f8b197c1080] histogram_12db: 53
[Parsed_volumedetect_0 @ 0x7f8b197c1080] histogram_13db: 105

1、基于当前音量倍数处理

命令如下，是以当前音量的0.5倍变更输出一个音频，即音量降低了一半；

ffmpeg  -i input.mp3-filter：“volume = 0.5” output.mp3

下面这个是将当前音量提升一倍的处理，这种处理相对粗暴，在表现形式上也是直接对音频波的高度进行的处理，可能会使音频出现失真的现象。

ffmpeg  -i input.mp3 -filter：“volume = 2” output.mp3 

2、基于分贝数值的处理

上面的基于倍数的处理可能会导致音频的失真，这个基于分贝数值的处理则相对会保留音频的原声效果，如下：

音量提升5分贝（db）；

ffmpeg  -i input.mp3 -filter：“volume = 5dB” output.mp3 

音量降低5分贝（db）。

ffmpeg  -i input.mp3 -filter：“volume = -5dB” output.mp3 

3、音量的标准化

除了上面对音量的整体处理，如降低分贝值或者成倍增加音量，ffmpeg还有对音量标准化的处理功能，即削峰填谷，使整个音频的音量变化跨度降低，变得平滑，可能会听起来更舒服点吧。

ffmepg -i input.mp3 -filter:a "loudnorm" output.mp3 

关于音频音量负数

其实这几天在对音频处理时，也使用ffprobe查看各种各样的音频的基础信息，几乎所有音频的分贝属性都是负数，其中越接近于0的，播放音量越大，首先说明一下音频的分贝为负数是正常的，感兴趣的可以了解一下分贝的计算方法（log10，对电流等属性运算后的值取的对数）。

三、结语

在对音频音量处理的时候，一直在想，为什么没有出一个对整段音频分贝数明确控制的功能呢？后来想了一下，如果一整段音频，发出声音的段落音量都相同的话，可能效果会很不好。

那么如何做音频音量的统一化呢，我觉得应该是定义一套音频音量的最高分贝值，然后对所有音频的最高分贝值进行限制处理即可。