FFmpeg amix-filter 总是做 "volume normalization"。如何预防它以及它可能的缺点是什么？

Question

关于这个主题 link1 、 link2 和 link3 有很多问题。但是，我要求就可能的解决方案以及它是否有一些缺点提出建议。

问题定义: amix-filter 总是做“音量标准化”并且不能关闭

引用:请阅读@here 对 Reino 的评论。他还在FFmpeg论坛上开了一个ticket来说明情况。

破解解决方案: amix=inputs=13:dropout_transition=1000,volume=13

引用:回答 here ，也在 ticket 中。

问题:

1) "amix 将每个输入的音量缩放 1/n，其中 n = 事件输入的数量。这是针对每个音频帧进行评估的。因此，当输入丢失时，剩余输入的音量会按较小的量缩放，因此它们的体积增加了。” Refer

例如，如果我要合并 10 个音频流，那么第一个音频流将按 1/10 缩放，第 2 个按 1/9，第 3 个按 1/8 .. 第 9 个按 1/2，最后第 10 个按 1。正确理解这一点，或者让我知道我是否遗漏了什么？

2) dropout_transition : 输入流结束时卷重新归一化的转换时间，以秒为单位。默认值为 2 秒。

dropout_transition 意味着 它会在给定秒 的情况下跳过，对吗？因此，如果我设置 dropout_transition=1000(非常大的数字)，那么无论视频长度如何，FFmpeg 都会在提供的秒数内丢弃/跳过音频过渡。再次，如果我做出错误的假设，请纠正我。

3) 我已经尝试了许多其他解决方案，但没有任何运气，现在我非常依赖所提供的解决方案。上述hacky解决方案有什么缺点吗？

Answer 1

如果我要合并 10 个音频流，那么第一个音频流将按 1/10 缩放，第二个按 1/9 缩放，第三个按 1/8 .. 第 9 个按 1/2，最后 10 个按 1。

不。假设您有 4 个输入，分别为 10、7、4 和 2 秒长。让我们将 dropout 转换保持为 0。然后在前 2 秒内，所有输入都处于事件状态，因此每个输入都按 1/4 缩放。从 2 到 4 秒，3 个输入处于事件状态，因此所有事件输入(#1、2、3)都按 1/3 缩放。从 4 到 7 秒，只有输入 1 和 2 处于事件状态，因此两者都按 1/2 缩放。并且从 7 到 10 秒，只有输入 1 处于事件状态，因此它按 1 缩放，即它的音量不变。

dropout_transition 意味着它会跳过几秒钟，对吧？

不。继续上述情况，假设 dropout 转换为 1 秒。因此，当输入 4 结束时，缩放比例不会立即从 1/4 变为 1/3。它逐渐过渡超过 1 秒。

上述hacky解决方案有什么缺点吗？

在大多数情况下，这很好。如果您正在组合响亮的音乐，那么范围将会变平，但在这种情况下应该没关系。