一、前言

由于我们个人使用的音频和视频数据都是从各个地方获取的，因此其中的音频音量大小不一。而互联网音乐平台如网易云音乐、qq音乐等，几乎所有的音乐音量大小都一致，可能就是使用了音量标准化的方式。
https://blog.csdn.net/weixin_35804181/article/details/123701972

二、正文

当前衡量一个音频音量的常用单位是分贝（db）

1.查看音频分贝

1.1.查看指令

ffmpeg -i 11025.mp3 -filter_complex volumedetect -c:v copy -f null /dev/null 1

1.2.指令结果

[Parsed_volumedetect_0 @ 0x55ef0a332740] n_samples: 5551838 [Parsed_volumedetect_0 @ 0x55ef0a332740] mean_volume: -17.5 dB [Parsed_volumedetect_0 @ 0x55ef0a332740] max_volume: 0.0 dB [Parsed_volumedetect_0 @ 0x55ef0a332740] histogram_0db: 92 [Parsed_volumedetect_0 @ 0x55ef0a332740] histogram_1db: 427 [Parsed_volumedetect_0 @ 0x55ef0a332740] histogram_2db: 1213 [Parsed_volumedetect_0 @ 0x55ef0a332740] histogram_3db: 3159 [Parsed_volumedetect_0 @ 0x55ef0a332740] histogram_4db: 7153 12345678

1.3.结果分析

最高分贝（max_volume）为0.0 b，平均分贝（max_volume）为-17.5db

2.音量调整

2.1.基于当前音量倍数处理

<1>将当前音量降低一半：
ffmpeg -i input.mp3-filter：“volume=0.5” output.mp3 1
<2>将当前音量提升一倍。这种处理相对粗暴，会使音频出现失真现象：
ffmpeg -i input.mp3 -filter：“volume=2” output.mp3 1

2.2.基于分贝数值的处理

上面基于倍数的处理可能会导致音频失真，而基于分贝数值的处理则相对会保留音频的原声效果。
<1>音量提升5分贝（db）：
ffmpeg -i input.mp3 -filter：“volume=5dB” output.mp3 1
<2>音量降低5分贝（db）：
ffmpeg -i input.mp3 -filter：“volume=-5dB” output.mp3 1

3.音量的标准化

ffmpeg具备对音量标准化的处理功能，即削峰填谷，使整个音频的音量变得平滑
ffmpeg -i input.mp3 -filter:a “loudnorm=i=-14:tp=0.0” output.mp3 1

4.调用FFMPEG代码API实现问题记录

4.1.报错“Changing audio frame properties on the fly is not supported”的问题

[in @ 0x7f06f00b0b40] Changing audio frame properties on the fly is not supported. [in @ 0x7f06f00b0b40] filter context - fmt: s32p r: 8000 layout: 3 ch: 2, incoming frame - fmt: s32p r: 48000 layout: 3 ch: 2 pts_time: NOPTS 12
问题原因出现在于音频转码时参数被修改了，包括sample_rate，sample_fmt，channel_layout，channels等，我的环境为将采样率由8khz修改为48khz。再看看打印信息“filter context - fmt: s32p r: 8000 layout: 3 ch: 2, incoming frame - fmt: s32p r: 48000 layout: 3 ch: 2 pts_time: NOPTS”，说明设置的filter上下文参数为“fmt: s32p r: 8000 layout: 3 ch: 2”，但实际进来的帧参数为“fmt: s32p r: 48000 layout: 3 ch: 2 pts_time: NOPTS”，可见是filter上下文的采样率®设置错误。
参考FFMPEG源码transcoding.c中设置filter上下文的源码如下：
snprintf(args, sizeof(args), “time_base=%d/%d:sample_rate=%d:sample_fmt=%s:channel_layout=0x%”PRIx64, dec_ctx->time_base.num, dec_ctx->time_base.den, dec_ctx->sample_rate, av_get_sample_fmt_name(dec_ctx->sample_fmt), dec_ctx->channel_layout); 12345
什么意思呢？也就是说filter上下文参数和解码参数保持一致，因此将dec_ctx->sample_rate修改为enc_ctx->sample_rate即可解决，其他参数也是一样以此类推。
滤镜信息：

4.2.报错“more samples than frame size (avcodec_encode_audio2)”

这个问题我遇见过两次，分别为<1>音频mp3转码acc时;<2>使用loudnorm滤镜时。意思是给的采样数量和实际需要的数量不匹配。

4.2.1.音频mp3转码acc时报错

参考文件transcode_aac.c里面的程序，应该很容易能提取出增加fifo来处理的程序，此处不详细展开；

4.2.2.使用loudnorm滤镜时

该问题可以采用av_buffersink_set_frame_size来重新设置frame_size来解决，参考ffmpeg.c源码后，写出了以下代码：
AVFilterGraph graph=(filter_ctx)[i].graph; if (graph &&AVMEDIA_TYPE_AUDIO==(filter_ctx)[i].codec_type) { ms_debug(“nb_filters:%d”, graph->nb_filters); int filters_index=0; for(filters_index=0;filters_indexnb_filters;filters_index++){ AVFilterContext filters=graph->filters[filters_index]; ms_debug(“filters:%s”, filters->name); if(ms_strncmps_neq(filters->name, “in”)&&ms_strncmps_neq(filters->name, “out”)){ if (!(enc_ctx->codec->capabilities & AV_CODEC_CAP_VARIABLE_FRAME_SIZE)){ av_buffersink_set_frame_size(filters, enc_ctx->frame_size); } } } }