[FFMPEG]进行音频音量调整

一、前言

​ 由于我们个人使用的音频和视频数据都是从各个地方获取的，因此其中的音频音量大小不一。而互联网音乐平台如网易云音乐、qq音乐等，几乎所有的音乐音量大小都一致，可能就是使用了音量标准化的方式。

二、正文

​ 当前衡量一个音频音量的常用单位是分贝（db）

1.查看音频分贝

1.1.查看指令

ffmpeg -i 11025.mp3 -filter_complex volumedetect -c:v copy -f null /dev/null

1.2.指令结果

[Parsed_volumedetect_0 @ 0x55ef0a332740] n_samples: 5551838
[Parsed_volumedetect_0 @ 0x55ef0a332740] mean_volume: -17.5 dB
[Parsed_volumedetect_0 @ 0x55ef0a332740] max_volume: 0.0 dB
[Parsed_volumedetect_0 @ 0x55ef0a332740] histogram_0db: 92
[Parsed_volumedetect_0 @ 0x55ef0a332740] histogram_1db: 427
[Parsed_volumedetect_0 @ 0x55ef0a332740] histogram_2db: 1213
[Parsed_volumedetect_0 @ 0x55ef0a332740] histogram_3db: 3159
[Parsed_volumedetect_0 @ 0x55ef0a332740] histogram_4db: 7153

1.3.结果分析

​ 最高分贝（max_volume）为0.0 b，平均分贝（max_volume）为-17.5db

2.音量调整

2.1.基于当前音量倍数处理

<1>将当前音量降低一半：

ffmpeg  -i input.mp3 -filter:a "volume=0.5" output.mp3

<2>将当前音量提升一倍。这种处理相对粗暴，会使音频出现失真现象：

ffmpeg  -i input.mp3 -filter:a "volume=2" output.mp3 

2.2.基于分贝数值的处理

​ 上面基于倍数的处理可能会导致音频失真，而基于分贝数值的处理则相对会保留音频的原声效果。

<1>音量提升5分贝（db）：

ffmpeg  -i input.mp3 -filter:a "volume=5dB" output.mp3 

<2>音量降低5分贝（db）：

ffmpeg  -i input.mp3 -filter:a "volume=-5dB" output.mp3 

3.音量的标准化

​ ffmpeg具备对音量标准化的处理功能，即削峰填谷，使整个音频的音量变得平滑

ffmpeg -i input.mp3 -filter:a "loudnorm=i=-14:tp=0.0" output.mp3 

4.调用FFMPEG代码API实现问题记录

4.1.报错“Changing audio frame properties on the fly is not supported”的问题

[in @ 0x7f06f00b0b40] Changing audio frame properties on the fly is not supported.
[in @ 0x7f06f00b0b40] filter context - fmt: s32p r: 8000 layout: 3 ch: 2, incoming frame - fmt: s32p r: 48000 layout: 3 ch: 2 pts_time: NOPTS

​ 问题原因出现在于音频转码时参数被修改了，包括sample_rate，sample_fmt，channel_layout，channels等，我的环境为将采样率由8khz修改为48khz。再看看打印信息“filter context - fmt: s32p r: 8000 layout: 3 ch: 2, incoming frame - fmt: s32p r: 48000 layout: 3 ch: 2 pts_time: NOPTS”，说明设置的filter上下文参数为“fmt: s32p r: 8000 layout: 3 ch: 2”，但实际进来的帧参数为“fmt: s32p r: 48000 layout: 3 ch: 2 pts_time: NOPTS”，可见是filter上下文的采样率®设置错误。
​ 参考FFMPEG源码transcoding.c中设置filter上下文的源码如下：

snprintf(args, sizeof(args),
        "time_base=%d/%d:sample_rate=%d:sample_fmt=%s:channel_layout=0x%"PRIx64,
        dec_ctx->time_base.num, dec_ctx->time_base.den, dec_ctx->sample_rate,
        av_get_sample_fmt_name(dec_ctx->sample_fmt),
        dec_ctx->channel_layout);

​ 什么意思呢？也就是说filter上下文参数和解码参数保持一致，因此将dec_ctx->sample_rate修改为enc_ctx->sample_rate即可解决，其他参数也是一样以此类推。
滤镜信息：

4.2.报错“more samples than frame size (avcodec_encode_audio2)”

​ 这个问题我遇见过两次，分别为<1>音频mp3转码acc时;<2>使用loudnorm滤镜时。意思是给的采样数量和实际需要的数量不匹配。

4.2.1.音频mp3转码acc时报错

​ 参考文件transcode_aac.c里面的程序，应该很容易能提取出增加fifo来处理的程序，此处不详细展开；

4.2.2.使用loudnorm滤镜时

​ 该问题可以采用av_buffersink_set_frame_size来重新设置frame_size来解决，参考ffmpeg.c源码后，写出了以下代码：

	AVFilterGraph *graph=(*filter_ctx)[i].graph;
	if (graph  &&AVMEDIA_TYPE_AUDIO==(*filter_ctx)[i].codec_type) {
		ms_debug("nb_filters:%d", graph->nb_filters);
		int filters_index=0;
		for(filters_index=0;filters_index<graph->nb_filters;filters_index++){
			AVFilterContext *filters=graph->filters[filters_index];
			ms_debug("filters:%s", filters->name);
			if(ms_strncmps_neq(filters->name, "in")&&ms_strncmps_neq(filters->name, "out")){
				if (!(enc_ctx->codec->capabilities & AV_CODEC_CAP_VARIABLE_FRAME_SIZE)){
					av_buffersink_set_frame_size(filters, enc_ctx->frame_size);
				}
			}
		}
	}