为何对音频信号振幅乘任意系数后播放听感无变化？

假设你使用librosa包从任意wav文件中加载得到如下float32格式的音频表示：

import librosa

wav_x_path = "any_wav_filepath.wav"
wav_source, _ = librosa.load(wav_x_path, sr=16000)

在Jupyter Notebook等环境中播放该音频时，会发现以下代码片段的播放听感完全一致：

from IPython.display import display, Audio

display(Audio(wav_source * 2, rate=sampling_rate))
display(Audio(wav_source * 200, rate=sampling_rate))
display(Audio(wav_source / 200, rate=sampling_rate))

对应疑问：wav_source中存储的就是音频振幅值，为什么修改振幅不会改变音频的实际播放听感？

这个现象和音频本身的属性无关，完全是IPython.display.Audio的默认处理逻辑导致的：

• 首先你的理解是正确的：librosa.load默认返回的float32数组，存储的就是每个采样点的音频振幅值。常规播放逻辑下，对振幅做线性缩放确实会直接改变播放音量，缩放幅度过大时还会出现削波破音。
• Audio类处理浮点型音频输入时，默认开启了自动峰值归一化，对应参数为normalize=True。在生成可播放的音频流之前，它会先扫描整段音频的最大绝对值，再把所有采样点按统一比例缩放，让整段音频的峰值刚好落在[-1, 1]的有效满幅电平区间，相当于自动把音频拉到最大可播放音量。
• 你对原音频做的乘2、乘200、除以200操作，都是对所有采样点施加的全局线性缩放，不会改变音频内各采样点的相对振幅比例。经过自动归一化处理后，最终输出的播放数组和原音频归一化后的结果完全一致，听感自然没有区别。

如果要观察振幅缩放带来的实际听感差异，手动关闭自动归一化即可，此时不同缩放比例的音频听感会出现非常明显的区别：

# 关闭自动归一化后播放
display(Audio(wav_source * 2, rate=sampling_rate, normalize=False)) # 振幅超出有效范围，出现轻微削波破音
display(Audio(wav_source * 200, rate=sampling_rate, normalize=False)) # 振幅远超有效范围，严重破音
display(Audio(wav_source / 200, rate=sampling_rate, normalize=False)) # 振幅过小，音量极低几乎听不清

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