音量“增益”的本质是什么

“增益”指的是放大一定倍数，音量“增益”简而言之就是将音量放大一定倍数。

我们已经知道，决定音量大小的物理量为“振幅”，如果能对“振幅”进行调节，其实也就调节了音量。所以，“将音量放大一定倍数”实际上是“将音频采样点的幅值放大一定倍数”，实现上就是将音频采样点的幅值乘上一个系数，系数小于 1，就是缩小幅值，大于 1 就是放大幅值。

需要注意的是，幅值的放大倍数和人耳的听觉感受并不统一，更不成线性关系。也就是说，幅值放大一倍，人耳的听感并没有相应的也放大一倍。针对这种涉及两个物理量比值的非线性关系，我们仍可以借助分贝来处理。

音频采样位深 16bit 下，振幅为 A1 的音频相对于振幅为 A2 的音频，其音量的增益为 ：dB = 20 * log10（A1/A2）。

• 假设采样点幅值放大为2倍（A1/A2 = 2），则该声音被增益了 20*log10(2) ≈ 6dB
• 假设采样点幅值不变（A1/A2 = 1），则该声音被增益了 20*log10(1) = 0dB
• 假设采样点幅值缩小为1/2（A1/A2 = 1/2），则该声音增益了 20*log10(1/2) ≈ -6dB

若增益为正数，表示对音量做放大处理；反之增益为负数时，表示对音量做缩小处理；增益为 0dB 表示使用原始的音量（大家需要注意，虽然都是 0dB，但不要混淆 音量大小 和 音量增益）。使用 dB 来进行增益计算，就和使用全分贝刻度作为音量大小单位联系起来了。

ZEGO SDK 支持通过接口主动对采集/播放音量进行调节，为符合理解习惯，接口可选的设置值为 [0,200]。其中 [0,100] 对应 -40 ~ 0 dB 的增益，会缩小或保留原始音量； (100,200] 对应 0～12 dB 的增益，会放大音量，参考上面的公式，最高可将幅值放大4倍。

基于对音量增益本质的了解，我们进一步了解一下常见的音量增益途径：模拟增益和数字增益。两种增益途径的具体细节就不做展开，结合已知的基础知识，大家只需要简单了解如下：

• 模拟增益：调整连续模拟信号的波形幅度，一般依赖于设备系统接口，控制设备硬件的采集增益，调节系统采集音量

• 数字增益：调整离散数字信号的采样点幅值，不依赖于设备系统接口，不调节系统采集音量

一般来说，Windows 和 Mac 端普遍支持模拟增益调节，这些平台往往会采用模拟增益 + 数字增益结合的策略调节音量。其中 Windows 端因采集声卡种类繁多，有些声卡的采集音量极小，如果不做系统音量的模拟增益、直接做数字增益，可能会因精度不够，导致数字增益后音质不佳。而移动端（iOS、Android）、Linux 端一般没有调节系统采集音量的接口，无法进行模拟增益调节，只能依赖于数字增益。

当然，只有两种基本的增益方式是无法满足复杂多变的实际场景的，AGC 算法需要根据平台差异和实际需求，灵活选择/搭配上述两种方式，并以此作为基础进一步制定处理策略。

这也就是我们下篇文章分享的 AGC 概念逐个击破的第三部分内容：AGC 进行音量增益“自动控制”的策略是什么？