多媒体开发（5）&音频特征：声音可以调大一点吗？

基本上，现在常用的声音采样办法是pcm，而对于压缩音频的解码，得到的也pcm数据。这个pcm数据，只是一堆数值，有正有负，看这个值看不出什么花样。

声音采集，采的是什么呢？

采的是声音的强度变化，也是声音这种能量的强弱变化，这种强弱用分贝来表示，即dB。所以，pcm数据跟这个dB就一定有关系，这个关系是这样的：

dB=20∗log10(pcm)

pcm=pow(10,(dB/20.0))

模数转换ADC时常用的位深是16bit，也就是用16位来表示一个sample，这里不考虑偷懒而使用不足16位的情况。16位能表示65536个值，也就意味着有65536个dB可以表示出来，哪又怎么样？很厉害了吗？

的确是比较厉害的了。

16位的pcm数值，分正负，那正数的范围是0至32767，负数的范围是-1至-32768，随便挑几个来看看，对应的dB是多少，如下图：

由上面的运算可知，16位的pcm值，如果不分正负，最大可以表示96dB，如果分正负，也能表示到90dB。90dB是什么概念？有数据表明（我也不清楚什么数据），85dB就会伤害了你，90dB相当于摩托车启动的声音--你有开过吗？

所以，你的pcm数据需要去到90dB以上吗？想祸害谁？一般情况下，能表示到90dB就很够用了。

既然知道了pcm数值与dB的关系，就可以搞点事情了，比如把pcm转成dB后再放大一点，再保存成新的文件，是不是播放就可以大声一点了呢？

来做个实验。

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')

这里是对代码的简单解释：

把一个mp3放过去试验，出来一个wav，发现wav文件的声音真的大了好多（好多是因为这里设置了db*1.2）。但是，另一个问题也暴露出来了，就是听起来声音失真很严重了，这是因为放大到这个程度，很多apcm都超过了32767，也就是人们说的截顶失真了，看一下原文件与放大后的文件波形图就更清楚了：

由于不能上传音频，这里就不提供直接的音频对比了。

由此可见，要想不失真，那db就不要乘那么大的数啊--另一个办法：给它限幅（压幅），或者直接使用更合适的整体技术（灵活变音量跟限幅都考虑进去了）比如agc或drc等，明显这个不是这里的内容。

好了，总结一下，本文演示了改变音量的一种最原始的办法，就是直接改pcm的值（转dB再改变，其实也可以直接改变pcm值），但这不是最好的办法，因为它会引入失真的副作用。而从pcm数据中提取出能量（dB），这个也更像是音频特征的技能。有缘再见，see you。