音量测量的真相：分贝背后隐藏的复杂科学

实际测得的声压 p
相对于参考声压 p₀ 的比例

别拿手表测音乐

20 µPa

SPL = 20 × log10(p / p₀)

0 dB SPL

-6 dBFS

不少人惯于借助Apple Watch去监测环境声音, 还认为能够直接用以评估音乐质量, 可实际上这是极为错误的做法。手表的传感器所针对的乃是空气压力方面的变化, 也就是物理层面的声压级, 其单位一般是dB SPL。然而音乐文件之中的分贝, 像LUFS这种, 它所描述的是数字信号的电平、峰值以及响度。这两者的底层逻辑全然不同, 要是把它们混为一谈就会致使严重的误判。物理噪声所关注的是听力保护, 数字音频所关注的是信号处理, 将二者混淆起来不仅显得不专业, 还极有可能误导你对于音质的判断。

dBFS 或相对于最大输出能力的增益/衰减

-30 dB
-20 dB
-10 dB
0 dB

帕斯卡太复杂

前面一点点变化太大
后面大段范围又显得没什么用

假如以帕斯卡来直接呈现声音强度, 那数值范围可就会变得极其不方便了。人耳能够听见的最小声压仅仅是20微帕, 然而爆炸声却有可能达到几个大气压, 其跨度是非常非常大的。于是对数尺度的分贝也就是dB便应运而生了, 它能够把巨大无比的动态范围压缩到易于理解的区间里。0 dB SPL可不是无声的意思, 而是等同于参考声压。这样的一种数学处理方式, 使得我们能够凭借简单的数字去描述从耳语一直到摇滚现场的各类声音, 把那种如同天文数字一般的计算麻烦给避免掉了。

sample peak 高于 RMS

let peak = samples
    .iter()
    .map(|x| x.abs())
    .fold(0.0, f32::max);

在这些离散采样点里，最大值是多少

数字削波失真

只要我比别人更响，用户切到我的歌时就更容易觉得我的歌更有力量。

在数字音频系统当中, 0 dBFS意味着最大可进行表示的信号, 一旦突破了这个阈值, 波形便会被截断, 进而产生严重的削波失真, 这种失真听起来如同公共广播系统里的破音, 既尖锐又刺耳, 许多初学者误认为只要查看数字峰值并未超过0 dBFS就毫无问题, 却忽视了离散采样点之间的真实波形, 要是仅仅关注采样点, 有可能会遗漏隐藏于中间的瞬时过载, 致使实际播放时出现无法挽回的失真, 损坏听感。

Loudness Units relative to Full Scale

此刻有多响？
最近几秒有多响？
整首歌或整个节目总体有多响？

真峰值的重要性

-14 LUFS
-16 LUFS
-23 LUFS

+3 LU
-2 LU

如果你的内容比平台目标响很多，平台会把你压低。
如果你的内容低于目标，平台未必一定把你放大。

你太响了，我给你压回去。

业界引入True Peak（真峰值）概念, 目的是捕捉那些隐匿于采样点之间的过载情况, 借助上采样技术, 能够在原始采样点之间增添更多点, 进而更精准地检测信号是否越界。现代流媒体以及广播规范常常对dBTP指标有所要求, 以此保证哪怕经过编解码器处理之后, 信号也不会出现失真现象。这就表明, 即便你的工程文件显示未 surpass 0 dBFS, 要是没有监控真峰值, 那么最终发布的音频在用户设备上依旧有可能产生意外的削波噪声。

哪些不同频率、不同声压级的纯音，会被人觉得一样响？

1000Hz、40 dB 的声音
听起来可能和
100Hz、62 dB 的声音差不多响

响度标准化

这个现实环境噪声对人耳来说有多大？

这段音频节目整体听起来有多响？

声音越大，允许暴露时间越短。

这个环境对人的听力是否危险？

当前输出比系统参考值低多少？

让不同歌曲音量达成一致, 行业采用了LKFS或LUFS标准, 它引入K加权曲线, 模拟人耳对不同频率的敏感度, 衰减低频, 强调中高频, 同时配合门限处理, 避免长时间静音拉低整体响度读数与这种算法不是为了追求最大音量, 而是为了提供稳定的听觉体验, 若不进行响度归一化, 用户会感觉更响的音乐更具冲击力, 可这往往是以牺牲动态范围和增加失真风险为代价的,并非长久之计。

有没有接近数字系统的上限？

重建后的连续波形会不会超出上限？

人听起来觉得这段内容整体有多响？

麦克风采集压力变化
        ↓
换算成相对于 20 µPa 的比例
        ↓
取 log10
        ↓
得到 dB SPL

原始声压信号
        ↓
按人耳敏感度做频率加权
        ↓
计算声级
        ↓
得到 dBA

数字音频信号
        ↓
K-weighting 滤波
        ↓
每声道计算均方能量
        ↓
多声道加权求和
        ↓
按时间窗口积分
        ↓
gating 排除安静片段
        ↓
转换成 LUFS / LKFS

参数综合应用

离散采样点
        ↓
上采样 / 插值
        ↓
估计采样点之间的连续波形
        ↓
找出真实峰值
        ↓
得到 dBTP

dB SPL

dBA

dBFS

dBTP

RMS / VU

当你理解了这些概念之后, 你就会察觉到, Apple Watch、功放以及剪辑软件, 它们每一个都有着不同的分工。其中, 手表是被用于环境安全警示方面的, 软件是被用于信号处理方面的, 然而音箱的灵敏度、阻抗以及信噪比, 它们则决定了最终所还原出来的质量。所谓信噪比高, 指的就是底噪少, 阻抗匹配会对推力产生影响, 灵敏度则决定着易驱动的程度。只有把这些物理参数和数字响度标准结合到一起, 才能够构建起完整的音频认知体系。你是不是曾经因为误解了这些参数, 从而买错了音箱或者设错了音量呢？欢迎留言展开讨论。

LUFS / LKFS