音频开发 / 系统课时

用 AGC 稳定远近端说话音量

用 AGC 稳定远近端说话音量

同一通话里,近讲可能突然很响,远讲又可能明显偏小。AGC 的任务不是把所有声音“拉满”,而是在保留峰值余量的前提下缓慢补偿偏小语音、快速压住过大语音,并在静音或纯背景噪声时停止继续抬升增益。

学习目标

  • 能用目标电平、最大增益和最小衰减定义 AGC 的工作边界。
  • 能用不同的增益上升与下降速度减少音量跳变和“抽吸感”。
  • 能加入静音门控,验证无语音段不会被持续放大。

把 AGC 拆成一条控制链

最实用的 AGC 可以按帧工作:先估计当前帧电平,再与目标电平比较,得到期望增益;期望值经过上下限裁剪和平滑后,才真正作用到音频样本。关键不是“增益越大越好”,而是让控制器只在可信的语音电平上更新。

AGC 从电平检测到增益应用的控制链

目标电平通常用 dBFS 表示。例如把语音短时电平稳定在约 -18 dBFS,并不意味着每一帧都必须精确等于 -18 dBFS;AGC 只需要逐步靠近目标,同时给瞬态峰值留下余量。

先限定目标和最大增益

对当前帧电平 LinL_{in},最直观的期望增益是 Gwant=Ltarget−LinG_{want}=L_{target}-L_{in}。工程上必须再做上下限裁剪,例如最大只允许提升 18 dB,最小只允许衰减 -12 dB。否则很远的说话声或安静房间里的底噪,都可能驱动出异常大的正增益。

最大增益限制解决“最多能抬多少”,静音门控解决“什么时候根本不该抬”。两者不能互相替代:只有最大增益而没有门控,静音段仍可能长期停在高增益状态;只有门控而没有最大增益,门限以上的弱噪声仍可能被过度放大。

用非对称平滑避免音量抽动

说话者突然靠近麦克风时,应较快降低增益,避免削顶;说话者逐渐远离时,则应较慢提升增益,避免背景噪声跟着快速起伏。因此通常让“减小增益”的平滑系数大于“增加增益”的平滑系数。

下面的可运行示例直接以每帧测得的 dBFS 为输入,演示目标电平、增益限幅、非对称平滑和静音门控。静音时保留控制器内部状态,但禁止把正增益施加到输出,从而避免底噪被持续抬高。

python
levels_dbfs = [-34, -34, -34, -60, -60, -10, -10, -26]
target_dbfs = -18.0
max_gain_db = 18.0
min_gain_db = -12.0
gate_dbfs = -50.0
raise_alpha = 0.12   # 补偿偏小语音时慢慢加增益
reduce_alpha = 0.35  # 输入突然变响时更快减增益
controller_gain_db = 0.0

for level in levels_dbfs:
    if level < gate_dbfs:
        # 静音/低噪声时冻结控制器;已有正增益不施加到当前帧。
        applied_gain_db = min(controller_gain_db, 0.0)
        state = "freeze"
    else:
        wanted = target_dbfs - level
        wanted = max(min_gain_db, min(max_gain_db, wanted))
        alpha = reduce_alpha if wanted < controller_gain_db else raise_alpha
        controller_gain_db += alpha * (wanted - controller_gain_db)
        applied_gain_db = controller_gain_db
        state = "track"

    out_dbfs = level + applied_gain_db
    print(
        f"in={level:>3} dBFS ctrl={controller_gain_db:5.2f} dB "
        f"applied={applied_gain_db:5.2f} dB out={out_dbfs:6.2f} dBFS {state}"
    )

预期输出

text
in=-34 dBFS ctrl= 1.92 dB applied= 1.92 dB out=-32.08 dBFS track
in=-34 dBFS ctrl= 3.61 dB applied= 3.61 dB out=-30.39 dBFS track
in=-34 dBFS ctrl= 5.10 dB applied= 5.10 dB out=-28.90 dBFS track
in=-60 dBFS ctrl= 5.10 dB applied= 0.00 dB out=-60.00 dBFS freeze
in=-60 dBFS ctrl= 5.10 dB applied= 0.00 dB out=-60.00 dBFS freeze
in=-10 dBFS ctrl= 0.51 dB applied= 0.51 dB out= -9.49 dBFS track
in=-10 dBFS ctrl=-2.47 dB applied=-2.47 dB out=-12.47 dBFS track
in=-26 dBFS ctrl=-1.21 dB applied=-1.21 dB out=-27.21 dBFS track

前几帧较弱语音只被逐步抬高,而不是一步跳到目标值;两个 -60 dBFS 静音帧进入 freeze,虽然控制器内部仍记住此前的正增益,但实际施加增益为 0 dB,因此静音没有被抬到更响。

用三类片段做验收

验证 AGC 时至少准备近讲、远讲和静音三类片段。近讲重点看峰值是否仍有余量、增益是否能快速回落;远讲重点看语音能否逐步接近目标,而不是瞬间跃升;静音重点看增益更新是否冻结、底噪是否保持稳定。

不要只看平均响度。若波形频繁贴近满幅,即使平均电平“达标”也说明目标过高或减益太慢;若每次停顿后底噪明显冒出来,则通常是门控阈值过低、最大增益过大,或恢复增益速度过快。生产链路还可以把硬门控改成短暂 hold 与渐变,但核心原则不变:AGC 只能稳定有效语音,不能把环境噪声当成需要补偿的“远端说话声”。

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

用 AGC 稳定远近端说话音量

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