如何计算音频信号的响度？

Question

我有一个音频信号，我想从中检测大声时刻。

我遇到的问题是我不确定我下面提供的算法/代码是否正确。

我在很多帖子中读到“响度”的概念很复杂并且取决于个人。我还了解到可以使用频谱图、A 加权和 RMS 以某种方式对其进行近似。我是音频处理方面的新手，但根据我所读到的内容，我编写了以下算法：

• 使用 STFT 计算频谱图
• 将其转换为dB
• 应用 A 计权
• 计算 RMS

我使用Librosa编写的对应代码是：

# Load the input audio
y, sr = librosa.load(path, sr=22050)

# Compute the spectrogram (magnitude)
n_fft = 2048
hop_length = 1024
spec_mag = abs(librosa.stft(y, n_fft=n_fft, hop_length=hop_length))

# Convert the spectrogram into dB
spec_db = librosa.amplitude_to_db(spec_mag)

# Compute A-weighting values
freqs = librosa.fft_frequencies(sr=sr, n_fft=n_fft)
a_weights = librosa.A_weighting(freqs)
a_weights = np.expand_dims(a_weights, axis=1)

# Apply the A-weghting to the spectrogram in dB
spec_dba = spec_db + a_weights

# Compute the "loudness" value
loudness = librosa.feature.rms(S=librosa.db_to_amplitude(spec_dba))

我的进展顺利吗？ 这个算法正确吗？ 我正确使用 Librosa 吗？

谢谢您的帮助。

Answer 1

我不知道你的编程语言，但这个概念似乎几乎是正确的。

尽管由于 a 加权，您不需要转换为 db，因为通常的 a 加权函数已经适用于线性 0-1。

对于LUFS通常的方式如下：

对于每个通道单独，

• 应用 k 滤波器（fft 后跟 a 加权，但也有使用 HP/LP 滤波器的更简单的实现）

• 均方

• 对于 Prologic 或沉浸式音频格式：您可能还需要从后置和天花板扬声器中减去一些 db，例如 5.1 中后置扬声器为 -1.5 db

• 求和频道

• 10log10

这是历史/实时。

那么对于 LUFS 你会这样做：

• 整合结果（累积整个轨道上的值，同时忽略低于-60db的时刻）

• 对于prologic：LFE通道不是游戏的一部分，你完全忽略它。

Answer 2

您可以尝试PyDub库。为您提供 DB 卷。