我有一个从电视上录制的视频文件。在录制过程中，我们多次更改音量级别。
是否有可能（大致）标准化视频轨道的音量？使用任何工具（如 ffmpeg）和一些启发式方法？我正在研究两个问题：
单个视频文件将使用什么参数/算法？鉴于视频不是歌曲（因此可能包含有效的静音/低声音部分），简单的标准化可能并不好。
我应该使用什么工具（命令/选项）来使声音正常化？
答案1
规范化与压缩
正常化不是您想要实现的。如果您说视频轨道具有不同的音量级别，则标准化将同时最大化所有部分的总振幅，以便最响亮的部分（峰值）达到 0dB或更低，具体取决于实现方式。这意味着静音部分和响亮部分之间的响度差异仍将与之前相同，因此可以听到。所以这是真的，“简单的标准化”在这里不起作用。
你需要做的是压缩音频信号。压缩意味着信号的动态范围会减小，这样响亮部分和静音部分会“更接近”，差异不再那么明显。这是广播电台经常做的事情：它们对广播曲目进行大量压缩，这样它们在汽车等嘈杂环境中听起来会很好，在较低音量下收听时也会很好。缺点是有时你会听到歌曲的合唱部分（那些应该声音较大的部分）的音量比其他部分的音量小。
实用方法
我会继续从视频中提取音频信号然后用类似的工具打开它大胆。它有一个内置压缩器，您可以使用它来减少动态范围。
以下是一些设置指南（但取决于文件，因此您应该进行试验并看看哪种方法最适合您）：
- 临界点：阈值是压缩机启动时的响度水平。如果你有非常安静的部分，你应该设置阈值，使压缩机在大多数时间都处于活动状态
- 比率：该比率应该相当高。但是，太高的值可能会使音轨听起来不自然。
- 攻击/释放时间：尝试一下。通常，您需要较低的启动时间和较长的释放时间。此处的设置不当可能会导致“抽吸”声音，这也取决于内容。
之后，您可以将音轨重新添加回视频文件（网上有几个教程，也可能有一些 SO/SU 问题）