【音频基础学习】第 5 天，理解音量、增益和分贝
前言
第 4 天你学会了看波形，知道波形的高低和振幅有关。但真正进入音频工程后，只说“波形大一点”“声音小一点”是不够的。
第 5 天要解决的问题是：音频里的大小到底怎么描述、怎么计算、怎么避免放大后失真。
今天会讲几个非常常见的概念：
- 音量
- 增益
Gain - 分贝
dB - 数字满刻度
dBFS - 峰值
Peak - 均方根
RMS
这些概念会在归一化、动态范围控制、响度分析、削波检测、导出电平控制中反复出现。学好这一天，后面很多处理功能会更容易理解。
这篇在整套教程里的位置
- 这篇承接 [第 4 天：学会看波形] 里的振幅和峰值观察，开始解释为什么“数值更大”和“听起来更响”不是一回事。
- 本文会把增益、
dB、dBFS、Peak、RMS放进同一套坐标系里，为后面的削波、动态范围和归一化打底。 - 学完后建议继续看 [第 6 天：理解削波和动态范围]，把电平概念延伸到失真、余量和位深。
今天学完后，你应该掌握什么
看完这篇文章后，你应该能说清：
- 音量、振幅、增益之间是什么关系
- 为什么增益本质上常常是对采样值乘系数
- 为什么放大采样值可能导致削波
- 为什么音频里常用
dB dB和dBFS有什么区别Peak和RMS分别描述什么- 为什么 Peak 高不一定代表听起来更响
- 为什么归一化不等于让声音“听起来一样响”
先区分音量、振幅和响度
初学者经常把几个词混在一起：
- 音量
- 振幅
- 响度
- 电平
它们相关，但不是完全相同。
振幅是信号大小
振幅是更偏物理或信号层面的概念。对 PCM 来说，振幅可以理解成采样值偏离 0 的程度。
采样值越大，波形离中心线越远。
音量是常用口语表达
平时说“音量大一点”，可能指很多东西：
- 播放器音量调大
- 音频文件本身电平更高
- 扬声器输出功率更大
- 主观听起来更响
所以“音量”这个词在日常里很方便，但在工程里不够精确。
响度是主观听感
响度更偏人耳感受。人耳对不同频率、不同持续时间、不同动态结构的敏感度不同，所以响度不是简单等于采样值大小。
例如：
- 一个短促尖峰 Peak 很高，但不一定听起来很响
- 一段持续饱满的人声 Peak 不一定最高，但可能听起来更响
所以今天先建立一个区分：
振幅是信号数值，响度是听觉感受，音量是日常表达。
什么是增益
增益Gain可以先理解成：
对音频信号整体放大或缩小的比例。
在 PCM 处理中，最直接的增益处理就是对每个采样值乘以一个系数：
outputSample = inputSample × gain例如：
gain = 0.5：振幅变成一半gain = 1.0：保持不变gain = 2.0：振幅变成两倍
如果一段波形的所有采样值都乘以0.5，波形高度会变矮。如果都乘以2.0，波形高度会变高。
增益和播放器音量有什么区别
播放器音量通常是播放设备或软件输出层面的控制，不一定改变音频文件本身。
增益处理则可能直接改变音频数据。
例如：
- 播放器里把音量拉到 50%，原始文件通常没有变化
- 音频编辑器里对 PCM 应用
-6 dB增益并导出，新文件的数据已经变了
所以要区分：
- 播放音量：播放时怎么输出
- 数据增益：音频数据本身怎么被放大或衰减
在音频工具开发中，很多“处理结果导出”都属于数据层面的改变。
为什么放大可能导致削波
数字音频有最大可表示范围。
假设某个格式的采样值范围是：
-32768 到 32767如果原始采样值是25000，你乘以2.0：
25000 × 2 = 50000但50000已经超过最大值32767。系统无法保存这个值，只能截断到最大可表示值。
这就是削波。
所以放大前需要考虑：
- 当前最大峰值是多少
- 放大后是否超过上限
- 是否需要先计算安全增益
- 是否允许出现限制器或软削波等处理
最基础的原则是：
任何正增益都可能增加削波风险。
什么是分贝
分贝dB是一种对数单位。
这句话听起来不友好，但你可以先这样理解：
dB 常用来描述比例变化，而不是直接描述某个采样值。
例如在音频里：
+6 dB大约表示振幅变为 2 倍-6 dB大约表示振幅变为 0.5 倍0 dB在增益语境里表示没有变化
这里的0 dB不是“没有声音”，而是“相对于参考值没有增减”。
为什么音频喜欢用 dB
音频里使用dB有几个原因。
第一，人耳听感不是线性的
采样值乘以 2，不代表你主观上觉得“刚好响两倍”。人耳对响度变化的感知更接近对数关系。
第二，音频动态范围很大
音频信号可能从非常小到非常大。如果全用线性数字表达，数值跨度很大，不方便阅读。
用 dB 可以把很大的比例范围压缩到更容易理解的数字范围。
第三，工程工具都用它沟通
你会在这些地方看到 dB：
- 电平表
- 增益旋钮
- EQ
- 压缩器阈值
- 限制器上限
- 响度标准
- 归一化目标
所以 dB 是音频工程里的通用语言。
线性增益和 dB 怎么对应
入门阶段不必死记公式，但知道几个常见对应关系很有用：
| dB 变化 | 振幅大致变化 |
|---|---|
+6 dB | 约 ×2 |
-6 dB | 约 ×0.5 |
+12 dB | 约 ×4 |
-12 dB | 约 ×0.25 |
0 dB | 不变 |
严格计算会用对数公式，但初学时先记住6 dB约等于振幅翻倍/减半，就能理解很多工具参数。
注意这里说的是振幅，不是功率，也不是主观响度翻倍。
什么是 dBFS
dBFS是数字音频里非常重要的单位。
它的意思可以理解成：
相对于数字满刻度的分贝值。
FS是 full scale，也就是数字系统能表示的最大电平。
在数字音频中：
0 dBFS通常表示最大可表示电平- 正常 PCM 峰值不应该超过
0 dBFS - 常见电平值通常是负数，比如
-6 dBFS、-12 dBFS
这和普通增益语境里的0 dB不一样。
0 dB和0 dBFS不要混
在增益里：
0 dB = 不放大也不衰减在 dBFS 里：
0 dBFS = 数字满刻度上限所以看到0 dB要先问：它的参考点是什么？
什么是 Peak
Peak是峰值，表示一段音频中出现过的最大瞬时幅度。
在数字音频里，常见说法是峰值达到多少dBFS。
例如：
- Peak =
-12 dBFS：最大峰值距离满刻度还有 12 dB - Peak =
-1 dBFS：已经很接近满刻度 - Peak =
0 dBFS：达到满刻度
Peak 最适合回答：
有没有瞬间接近上限或发生削波风险。
什么是 RMS
RMS是 Root Mean Square，中文常叫均方根。
数学定义可以以后再深入。入门阶段先这样理解：
RMS 更接近一段音频的平均能量水平。
如果 Peak 看的是最高瞬间，RMS 更像是在看整体有多“扎实”、多“持续”。
例如：
- 一个短促爆点：Peak 很高，RMS 可能不高
- 一段持续饱满音乐：Peak 不一定最高，RMS 可能很高
RMS 和主观响度更接近一些，但仍不等于完整响度。真正响度还要考虑频率加权、时间窗口和人耳感知模型。
Peak 和 RMS 为什么要一起看
只看 Peak，会忽略整体能量。
只看 RMS，会忽略瞬时过载风险。
一起看更有意义：
| 情况 | 可能说明 |
|---|---|
| Peak 高，RMS 低 | 可能有孤立尖峰或爆点 |
| Peak 高，RMS 高 | 整体很满，也接近上限 |
| Peak 低，RMS 低 | 整体偏小 |
| Peak 低，RMS 相对高 | 可能经过压缩，动态较小 |
这只是初步判断，不能代替完整听感分析，但非常实用。
什么是峰值归一化
峰值归一化是很常见的处理。
它的基本思路是：
- 找到整段音频的最大峰值
- 计算把这个峰值推到目标电平所需的增益
- 对整段音频应用同一个增益
例如目标峰值是-1 dBFS，当前最大峰值是-7 dBFS，那么可以整体增加约+6 dB。
但峰值归一化只保证最大峰值到达目标位置，不保证主观响度一致。
两个文件都归一化到-1 dBFS，听起来仍然可能一个大、一个小，因为它们的 RMS、频率分布和动态范围不同。
增益处理在 PCM 里的边界问题
做增益处理时，要考虑几个边界条件。
空 PCM
没有数据就不能处理，应直接报错或返回空结果。
声道和位深
不同位深的 sample 范围不同，放大后需要按对应范围钳位。
多声道
通常要对所有声道应用同一个增益。否则左右声道平衡会变化。
防止溢出
整数 PCM 运算时，直接相乘可能超过整数范围。工程里通常会用更高精度类型计算，再钳位写回。
应用场景
音量调整
最基础的音量调整就是改变增益。衰减比较安全，放大要检查峰值。
淡入淡出
淡入淡出本质上是让增益系数随时间变化：
淡入: 0 -> 1 淡出: 1 -> 0归一化
归一化会根据峰值或响度目标计算增益，然后应用到整段音频。
静音检测
判断一段是否静音时，常看 RMS 或能量，而不是只看单个 sample。
动态范围控制
压缩器会根据电平变化动态改变增益，让大声部分被压低，小声部分相对更突出。
初学者最容易混淆的几个点
误区 1：0 dBFS是没有声音
不对。0 dBFS是数字满刻度，通常表示最大可表示电平。
误区 2：0 dB永远表示最大值
不对。0 dB要看参考点。在增益语境里，0 dB通常表示不增不减。
误区 3：Peak 越高，听起来一定越响
不对。Peak 只代表瞬间最大值，主观响度还和平均能量、频率分布、持续时间有关。
误区 4：RMS 就等于响度
不完全对。RMS 比 Peak 更接近平均能量，但真正响度还需要更复杂的听感模型。
误区 5：归一化后所有音频听起来都会一样大
不对。峰值归一化只对齐最大峰值，不对齐主观响度。
误区 6：降低音量可以修复削波
不对。降低音量只能让削波后的失真变小声，不能恢复被截掉的波形。
今天建议这样练
练习 1：记住几个 dB 对应关系
先记住：
+6 dB约等于振幅 ×2-6 dB约等于振幅 ×0.50 dB在增益里表示不变
然后试着解释给别人听。
练习 2：观察 Peak 和听感
找两段音频：
- 一段有短促尖峰
- 一段整体持续较满
观察哪段 Peak 更高，再听哪段主观更响。
练习 3：解释 dBFS
用自己的话解释为什么数字音频里常见电平是负数，比如-12 dBFS。
练习 4：推导安全增益
假设一段音频当前 Peak 是-6 dBFS，如果你增加+10 dB，思考它为什么可能削波。
今天的总结
今天最重要的是建立“音频大小”的工程语言：
- 增益通常表示对信号乘以比例
- 放大采样值可能超过可表示范围，导致削波
- dB 是描述比例变化的对数单位
- dBFS 是相对于数字满刻度的电平单位
- Peak 描述最大瞬间值
- RMS 更接近平均能量
- Peak 和 RMS 要一起看
- 峰值归一化不等于主观响度一致
自检问题
- 增益在 PCM 处理中通常意味着什么？
- 为什么正增益可能导致削波？
- 为什么音频工程里常用 dB？
0 dB和0 dBFS有什么区别？- Peak 和 RMS 分别描述什么？
- 为什么 Peak 高不一定听起来更响？
- 为什么峰值归一化不等于响度归一化？
自检参考答案
1. 增益在 PCM 处理中通常意味着什么
通常意味着对采样值乘以一个系数，让信号整体放大或缩小。
2. 为什么正增益可能导致削波
因为放大后采样值可能超过当前格式的最大可表示范围，超出的部分会被截断。
3. 为什么音频工程里常用 dB
因为 dB 适合表达比例变化，也更贴近人耳对响度变化的感知方式，并且是音频工具里的通用表达。
4.0 dB和0 dBFS有什么区别
增益语境里的0 dB通常表示不增不减。0 dBFS表示数字满刻度，也就是最大可表示电平。
5. Peak 和 RMS 分别描述什么
Peak 描述最大瞬间振幅，RMS 更接近一段音频的平均能量水平。
6. 为什么 Peak 高不一定听起来更响
因为 Peak 只看瞬间，主观响度还受平均能量、持续时间和频率分布影响。
7. 为什么峰值归一化不等于响度归一化
因为峰值归一化只对齐最大峰值，不对齐 RMS、动态范围和人耳感知响度。
明天会学什么
明天会专门讲削波和动态范围。你会理解为什么“录得太满”有风险，为什么24-bit在录音和后期里更常见，以及动态范围和噪声底之间是什么关系。