关于通过间隔采样提速PCM采样峰值音量计算的技术问询

你的思路完全正确，而且非常实用。

先算个简单的数：48000采样率下，100个采样对应的时长是 100/48000 ≈ 2.08毫秒。人类听觉的时间分辨率大概在10-20毫秒左右——也就是说，持续时间短于这个范围的声音，人耳基本感知不到。所以真正能被用户察觉到的“响亮音频片段”，持续时间肯定远超过100个采样，跳过中间采样大概率不会错过对用户有意义的峰值。

不过有个更稳妥的小优化：别只取第100个采样，而是对每100个采样组成的小区块取最大值。这样计算量依然只有全采样的1%，但不会因为刚好跳过了区块里的峰值而产生不必要的误差，结果会更接近真实峰值。

如果还想进一步提速，还可以把区块调大，比如200个采样（≈4.17ms），只要区块时长远低于人耳的时间分辨率，都不会影响用户实际感知到的音量峰值效果。另外如果是立体声或多声道音频，记得每个声道都要做同样的处理，最终取所有声道里的最大值作为整体峰值。

内容的提问来源于stack exchange，提问作者Ross