测量音频“响度”：RMS vs LUF

Question

我试图测量电视内容的各种剪辑（从~2-40秒不等）的“响度”。我感兴趣的是内容的相对响度-人们在什么场景中大声喊叫与低语，大声的音乐与安静的场景等等。我想这意味着我感兴趣的是获取增益（输入响度），而不是音量（输出响度）。。。你知道吗

我用python尝试了两种方法：

1）librosa的RMS： np.mean(librosa.feature.rms(spectrogram, center=True).T, axis=0)

2）pyloudnorm：（实现ITU-R BS.1770-4响度算法（LUFS））

          `meter = pyln.Meter(samplerate)
          loudness = meter.integrated_loudness(waveform)`

当我比较两者的结果时，它们有时是一致的，但往往是不同的（同一篇文章的RMS相对较高，但响度较低，反之亦然）。更重要的是，虽然他们似乎都得到了一些正确的东西，但似乎都不是一个非常准确的代表什么是出来的电视。我想知道是否有一些步骤，我需要采取过滤掉一些频率，没有察觉到，但影响这些指标在某种程度上，或者如果我只是错过了一些主要的？谢谢您！你知道吗

Answer 1

响度，一件东西被感知到的响度，可能是相当棘手的。众所周知，它与频率有关，我们对中等频率范围更为敏感。它与振幅是非线性的。在某个时刻，两倍于时间。在短音阶上也有时间依赖性效应，突然的响声会导致随后的声音看起来比之前没有的声音要小（时间掩蔽）。从长期来看，我们倾向于适应逐渐增加的量（脱敏）。我们倾向于过滤掉信息很少的声音（如静态/重复性噪音）。等。。你知道吗

你至少应该应用频率加权。A-加权是常用的，https://en.m.wikipedia.org/wiki/A-weighting这可以通过加权librosa的STFT谱图来实现。然后你可以计算它的均方根值。您还应该将其转换为desibel。你知道吗