48 lines
1.6 KiB
Markdown
48 lines
1.6 KiB
Markdown
---
|
||
title: "EBUR128LoudnessNormalization"
|
||
type: concept
|
||
tags: ["audio-processing", "loudness", "ffmpeg", "ebur128"]
|
||
last_updated: 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
|
||
|
||
```bash
|
||
-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
|
||
|
||
## Related Sources
|
||
- [[engineering-voice-ai-integration-engineer]]
|