音频开发 / 系统课时

实现压缩器的包络与增益

实现压缩器的包络与增益

这一课把压缩器拆成可实现的信号链:先跟踪输入包络,再用 threshold 与 ratio 计算衰减量,最后叠加 makeup gain。你会看到 attack 与 release 如何改变增益反应速度,以及为什么参数不合适会让声音出现明显的泵动或瞬态过冲。

学习目标

  • 实现带 attack 与 release 的峰值包络跟踪
  • 根据 threshold 和 ratio 计算压缩增益并叠加 makeup gain
  • 从包络与增益变化判断瞬态过冲和泵动来源

压缩器实际有两条路径

典型前馈压缩器可以理解为“音频路径”和“控制路径”。原始样本直接等待乘以增益;控制路径先取绝对值或能量得到电平,再经过 attack/release 平滑形成包络,随后根据 threshold 与 ratio 算出需要衰减多少,最终把线性增益乘回原始样本。

前馈压缩器的包络与增益控制链

这两个路径必须分开理解:压缩器不是直接改“包络值”,而是用包络估计当前电平,再据此生成一个随时间变化的增益。声音是否自然,往往取决于控制路径是否稳定。

attack 与 release 决定包络记忆

最简单的实现可以使用一阶平滑器。每个样本先计算 level = abs(x);当新电平高于当前包络时使用 attack 系数,否则使用 release 系数。系数可写成 exp(-1 / (tau * fs)),其中 tau 是秒级时间常数,fs 是采样率。

attack 越短,包络追上突发峰值越快,压缩器更早开始衰减;attack 越长,瞬态更容易穿过。release 越短,增益在峰值过去后恢复得快,但低频或节奏性素材更容易出现可感知的增益摆动;release 太长则会让后续较弱声音持续被压低。

实现一个最小前馈压缩器

下面用标准库实现峰值检测压缩器。示例采样率故意设为 1000 Hz,只为了让几十个样本就能观察控制量变化;真实音频中应使用实际采样率,并按相同公式重新计算系数。

python
import math

def compress(
    samples,
    fs=1000.0,
    attack_ms=10.0,
    release_ms=100.0,
    threshold_db=-12.0,
    ratio=4.0,
    makeup_db=3.0,
):
    attack_coeff = math.exp(-1.0 / (attack_ms * 0.001 * fs))
    release_coeff = math.exp(-1.0 / (release_ms * 0.001 * fs))

    envelope = 0.0
    output = []
    debug_rows = []

    for index, x in enumerate(samples):
        level = abs(x)
        coeff = attack_coeff if level > envelope else release_coeff

        # 包络只负责估计电平,不直接改写原始音频。
        envelope = coeff * envelope + (1.0 - coeff) * level
        envelope_db = 20.0 * math.log10(max(envelope, 1e-12))

        if envelope_db > threshold_db:
            compressed_db = threshold_db + (
                envelope_db - threshold_db
            ) / ratio
            gain_db = compressed_db - envelope_db
        else:
            gain_db = 0.0

        # makeup gain 放在压缩衰减之后叠加。
        gain_db += makeup_db
        gain = 10.0 ** (gain_db / 20.0)
        y = x * gain

        output.append(y)
        debug_rows.append((index, envelope, gain_db, y))

    return output, debug_rows

samples = [0.1] * 5 + [0.8] * 20 + [0.1] * 20
_, rows = compress(samples)

for index in (4, 5, 10, 24, 25, 35, 44):
    _, envelope, gain_db, y = rows[index]
    print(
        f"{index:02d}  envelope={envelope:.3f}  "
        f"gain={gain_db:.2f} dB  output={y:.3f}"
    )

预期输出:

text
04  envelope=0.039  gain=3.00 dB  output=0.141
05  envelope=0.112  gain=3.00 dB  output=1.130
10  envelope=0.383  gain=0.26 dB  output=0.824
24  envelope=0.697  gain=-3.65 dB  output=0.526
25  envelope=0.691  gain=-3.59 dB  output=0.066
35  envelope=0.635  gain=-3.04 dB  output=0.070
44  envelope=0.589  gain=-2.55 dB  output=0.075

第 05 个样本刚从弱信号跳到强信号时,包络还没追上输入,所以此时仍只有 makeup gain,输出甚至超过 1.0。这正是 attack 让瞬态穿过的结果,也说明压缩器并不等于峰值限制器。若最终格式不能超范围,还需要预留余量或独立的 limiter。

threshold 与 ratio 决定压多少

当包络低于 threshold 时,压缩部分不产生衰减;超过 threshold 后,ratio 决定“输入继续增加多少,输出电平只允许增加多少”。例如 4:1 表示超过阈值的输入每增加 4 dB,压缩曲线只允许输出侧增加约 1 dB。

makeup gain 不会改变 ratio,只会在压缩增益之后整体抬高电平。它可以补偿平均响度损失,也可能重新制造峰值超范围,因此必须和上一阶段的 headroom 一起设计,而不是凭听感无限抬高。

从泵动现象反推参数

如果鼓点一来,整个背景声立刻下沉又迅速弹回,通常说明控制包络在节奏周期内起伏过大。先观察包络与 gain reduction,再决定是否拉长 release、降低 ratio,或调整 threshold;不要只靠增加 makeup gain 掩盖响度变化。

相反,如果强瞬态几乎完全穿过后才开始压缩,attack 可能过长。若需要保留一定冲击感,这是设计选择;若目标是严格控制峰值,则应缩短 attack,或者在压缩器之后增加专门的峰值限制阶段。

压缩器的核心不是某一个参数,而是“检测电平、平滑包络、计算静态曲线、把时变增益乘回音频”这一整条控制链。只要能同时观察 envelope、gain reduction 和输出峰值,就能把多数动态异常定位到具体环节,而不是靠盲调参数。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

实现压缩器的包络与增益

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通