音频字节混合异常咨询：sOverlay模式声音不正确及混合公式验证

我在尝试混合Wave字节时无法得到正确的声音效果。根据sOverlay或sOverwrite模式，我循环处理采样并调用OverByte过程，传入指向原SmallInt的指针和新字节值：

procedure OverByte(var _pbyte : ^TByte; const _byte : TByte);
begin
     case _style of
          sOverlay   : _pbyte^ := Math.Min(0, Math.Max(255, (_pbyte^ + _byte) div 2));
          sOverwrite : _pbyte^ := _byte;
     end;
end;

使用sOverwrite模式填充缓冲区时声音正常，但使用sOverlay模式时声音异常。测试场景如下：

• 以2400Hz在左右声道填充2000ms：声音正常；
• 以4800Hz仅在左声道填充同一缓冲区1000ms：声音与前者一致，明显异常。

请问音频字节混合公式RESTRICT(0..255, (A + B) / 2)是否正确？

问题分析与修正方案 #

你的混合公式完全不正确，问题根源主要有两点：

1. 对8位PCM音频的数值范围理解错误 #

你使用的TByte是0-255的无符号类型，但标准8位Wave PCM采样的实际范围是有符号的-128到127——0对应-128，255对应127。直接用无符号数值做混合计算，等于把所有采样的基准偏移了128，混合逻辑从根上就错了。

2. 混合算法本身不符合音频处理逻辑 #

就算忽略数值范围问题，(A+B)/2的平均混合也不是正确的音频混合方式：这种方式会直接导致音量衰减，且当同一采样被多次混合时（比如你的第二个测试场景，缓冲区长度相同但采样率翻倍，等于每个左声道采样被处理两次），衰减会叠加，最终声音异常。

正确的音频混合逻辑应该是：

• 将无符号字节转换为有符号线性采样值
• 对有符号值进行相加（音频混合本质是线性叠加）
• 限幅到有符号范围，防止溢出失真
• 转换回无符号字节格式

修正后的OverByte代码示例 #

procedure OverByte(var _pbyte : ^TByte; const _byte : TByte);
var
  origSigned, newSigned, mixedSigned: ShortInt;
begin
  case _style of
    sOverlay:
      begin
        // 把无符号字节转成有符号8位PCM值
        origSigned := ShortInt(_pbyte^) - 128;
        newSigned := ShortInt(_byte) - 128;
        // 线性叠加混合
        mixedSigned := origSigned + newSigned;
        // 限幅到有符号8位范围，避免溢出失真
        if mixedSigned < -128 then
          mixedSigned := -128
        else if mixedSigned > 127 then
          mixedSigned := 127;
        // 转回无符号字节
        _pbyte^ := Byte(mixedSigned + 128);
      end;
    sOverwrite:
      _pbyte^ := _byte;
  end;
end;

你的第二个测试场景异常，本质是因为4800Hz填充1000ms的左声道，相当于对左声道每个采样执行了两次(A+B)/2的错误混合，每次混合把音量减半，两次后音量只剩原有的1/4，再加上数值范围偏移，最终声音完全不符合预期。用修正后的代码就能解决这个问题。

内容的提问来源于stack exchange，提问作者blueperfect