我有一个电话录音，其中一个人的声音比另一个人大得多，因为它只在电话的一侧录制。我收到的原始音频是 mp3 格式，只有耳机左侧有声音（虽然它有 2 个声道）。我使用将 mp3 文件保存为单声道 wav 文件pydub。
我读过关于音频压缩、标准化（峰值和响度）和音量调节的文章。但是，我仍然不知道应该选择哪种方式。
实际上我已经尝试过在 pydub 中实现的规范化这里，也尝试了 ffmpegloudnorm以及dynaudnorm（虽然我没有添加任何参数）。但产生的音频听起来与原始音频没有太大区别。我应该手动分割扬声器转弯然后应用标准化吗？但话又说回来，我应该应用规范还是均衡或压缩？我猜它介于规范和均衡之间。我也不想改变音频的特性，因为这里的目的是为下游机器学习建模预处理音频。
有人有什么建议吗？谢谢。
答案1
标准化应用增益（或负增益）来提高（或降低）平均水平。压缩会减少响亮的时刻并放大安静的时刻以减少水平差异，这似乎更适合您的情况。
使用它大胆（适用于所有三大操作系统的开源声音应用程序），加载音频，然后选择整个音轨，或者如果要将效果限制在特定段落，则只选择部分音轨。选择效果， 然后压缩机。
出现“压缩机”对话框后，F1按 以了解可用选项的作用，或点击这里阅读。我绝对建议打开基于峰值的压缩，但其他设置将根据原始录音的特性而有所不同。
您可以在该对话框中尝试不同的值以获得最不坏的最终结果；您永远不会获得完美的录音，但几乎肯定会有所改善。
如果电话录音中的某个特定频率有噪音或其他干扰音频（这种情况经常发生），那么过滤掉该频率也可能会有所帮助。