audio - Audacity 如何混合音频样本？

Question

假设我想混合这 2 个音轨:

在 Audacity 中，我可以使用“混合和渲染”选项将它们混合在一起，我会得到这个:

但是，当我尝试编写自己的代码进行混合时，我得到了这个:

这基本上就是我混合样本的方式:

private function mixSamples(sample1:UInt, sample2:UInt):UInt
{
    return (sample1 + sample2) & 0xFF;
}

(语法是 Haxe，但如果您不知道它应该很容易理解。)

这些是 8 位示例音频文件，我希望产品也是 8 位的，因此 & 0xFF。

我确实明白，通过简单地添加样本，我应该期望剪裁。我的问题是在 Audacity 中混音不会导致削波(至少不会达到我的代码造成的程度)，并且通过查看第二条(较长)轨道的“尾部”，它似乎不会降低振幅.听起来也没有更柔和。

基本上，我的问题是:Audacity 做了哪些我没有做的事情？我想混合音轨，听起来就像它们在彼此之上播放一样，但我(显然)不想要这种可怕的剪辑。

编辑:

如果我在添加之前对值进行签名，然后按照 Radiodef 的建议取消对总和值的签名，则会得到以下结果:

如您所见，它比以前好多了，但与 Audacity 生成的结果相比，它仍然非常扭曲和嘈杂。所以我的问题仍然存在，Audacity 必须做一些不同的事情。

编辑 2:

我将第一首轨道与我的代码和 Audacity 混合在一起，并比较了失真发生的点。这是 Audacity 的结果:

这是我的结果:

Answer 1

我认为正在发生的事情是您将它们作为无符号求和。典型的声波既有正波也有负波，这就是为什么它们以它们的方式加在一起(有些部分抵消)。如果你有一些 8 位样本是 -96，另一个是 96，你对它们求和你会得到 0。如果你有的是无符号音频，你将取而代之的是样本 32 和 224 求和 = 256(偏移和溢出) .

您需要做的是在求和之前对它们签名。要对 8 位样本进行签名，请将它们转换为带符号的 int 类型，然后从所有样本中减去 128。我假设您拥有的是 WAV 文件，您需要在求和后再次取消签名。

Audacity 可能会进行浮点处理。我听说过一些关于 float 的真正可疑的说法，比如它具有“无限动态范围”和类似的垃圾，但它不像整数那样以同样确定和明显的方式剪辑。 float 具有与整数相同的有限值范围，但最大值和最小值相距更远。 (这是最简单的表达方式。) float 允许音频中的振幅变化大得多，但要注意的是整体信噪比低于整数。

对于奇怪的失真，我最好的猜测是它来自您使用 & 0xFF 做的掩码。如果你想真正剪辑而不是溢出，你需要自己做。

for (int i = 0; i < samplesLength; i++) {
    if (samples[i] > 127) {
        samples[i] = 127;
    } else if (samples[i] < -128) {
        samples[i] = -128;
    }
}

否则假设您有两个 125 的样本，求和得到 250 (11111010)。然后你取消签名(加 128)并得到 378(101111010)。 & 会得到 1111010，即 122。其他数字可能会得到实际上为负或接近 0 的结果。

如果您想在 8 位以外的其他位置裁剪，位深度 n 的满刻度将为 positive (2 ^ (n - 1)) - 1 和 negative 2 ^ (n - 1) 例如 32767 和 -32768 表示 16 位。

除了裁剪之外，您还可以做的另一件事是搜索裁剪和规范化。像这样的东西:

double[] normalize(double[] samples, int length, int destBits) {

    double fsNeg = -pow(2, destBits - 1);
    double fsPos = -fsNeg - 1;

    double peak = 0;
    double norm = 1;

    for (int i = 0; i < length; i++) {
        // find highest clip if there is one

        if (samples[i] < fsNeg || samples[i] > fsPos) {
            norm = abs(samples[i]);

            if (norm > peak) {
                norm = peak;
            }
        }
    }

    if (peak != 0) {

        // ratio to reduce to where there is not a clip
        norm = -fsNeg / peak;

        for (int i = 0; i < length; i++) {
            samples[i] *= norm;
        }
    }

    return samples;
}