1.6 KiB
1.6 KiB
title, type, tags, last_updated
| title | type | tags | last_updated | ||||
|---|---|---|---|---|---|---|---|
| EBUR128LoudnessNormalization | concept |
|
2026-05-02 |
EBUR128LoudnessNormalization（EBU R128 响度归一化）
Definition
EBU R128 是欧洲广播联盟制定的响度归一化标准，用于确保不同来源的音频具有一致的感知响度。在 Whisper 类转录模型管道中，R128 归一化确保输入音频响度稳定，避免因音量差异导致的精度下降。
Standard Parameters
-af "loudnorm=I=-16:TP=-1.5:LRA=11"
| 参数 | 含义 | 标准值 |
|---|---|---|
I |
综合响度（Integrated Loudness） | -16 LUFS |
TP |
真峰值（True Peak） | -1.5 dBTP |
LRA |
响度范围（Loudness Range） | 11 LU |
Why -16 LUFS?
- 广播标准（TV/Streaming）：-24 LUFS（旧标准）→ -16 LUFS（新趋势，Netflix/YouTube）
- Podcast/对话内容：-16 LUFS 更适合语音主导的内容
- 过高的综合响度（>-14 LUFS）会导致语音压缩失真
Pipeline Context
原始音频 → 格式检测（ffprobe）→ EBU R128 归一化 → 重采样至 16kHz → 单声道
Why It Matters for Whisper
Whisper 对响度变化不免疫。同一段语音，-30 LUFS 的录音和 -16 LUFS 的录音，后者的WER（Word Error Rate）更低，因为响度归一化降低了动态范围，减少了模型在处理软/响片段时的注意力分散。
Related Concepts
- VoiceActivityDetection — 归一化之后的后处理
- FasterWhisper — 归一化音频的消费者