نحو گراف فیلتر (Filtergraph syntax)

گراف فیلتر دارای یک نمایش متنی است که توسط گزینه‌های -filter/-vf/-af و -filter_complex در ffmpeg و گزینه‌های -vf/-af در ffplay، و توسط تابع avfilter_graph_parse_ptr() تعریف‌شده در libavfilter/avfilter.h شناسایی می‌شود.

یک زنجیره فیلتر (filterchain) شامل دنباله‌ای از فیلترهای متصل به هم است که هر یک به فیلتر پیشین خود در دنباله متصل است. یک زنجیره فیلتر با فهرستی از شرح‌های فیلتر که با کاما (",") از هم جدا شده‌اند نشان داده می‌شود.

یک گراف فیلتر از دنباله‌ای از زنجیره‌های فیلتر تشکیل شده است. دنباله‌ای از زنجیره‌های فیلتر با فهرستی از شرح‌های زنجیره فیلتر که با سمیکالن (";") از هم جدا شده‌اند نمایش داده می‌شود.

یک فیلتر با رشته‌ای به فرم زیر نمایش داده می‌شود: [in_link_1]...[in_link_N]filter_name@id=arguments[out_link_1]...[out_link_M]

عبارت filter_name نام کلاس فیلتری است که فیلترِ شرح داده‌شده نمونه‌ای از آن است، و باید نام یکی از کلاس‌های فیلتر ثبت‌شده در برنامه باشد که به صورت اختیاری پس از آن "@id" می‌آید. پس از نام کلاس فیلتر، به صورت اختیاری رشته "=arguments" قرار می‌گیرد.

عبارت arguments رشته‌ای است که شامل پارامترهای مورد استفاده برای مقداردهی اولیه نمونه فیلتر است. این رشته می‌تواند یکی از دو فرم زیر را داشته باشد:

• فهرستی از جفت‌های key=value که با ':' از هم جدا شده‌اند.
• فهرستی از value که با ':' جدا شده‌اند. در این حالت، کلیدها همان نام‌های گزینه‌ها به ترتیبی که اعلان شده‌اند در نظر گرفته می‌شوند. برای نمونه، فیلتر "fade" سه گزینه را به این ترتیب اعلان می‌کند: type، start_frame و nb_frames. بنابراین فهرست پارامتر in:0:30 بدین معناست که مقدار in به گزینه type، مقدار 0 به start_frame و 30 به nb_frames تخصیص می‌یابد.
• فهرستی جداشده با ':' از مقادیر مستقیم value و جفت‌های کامل key=value به صورت ترکیبی. مقدار مستقیم value باید پیش از جفت‌های key=value بیاید، و از همان ترتیب محدودیت‌های بند پیشین پیروی کند. جفت‌های key=value پس از آن می‌توانند به هر ترتیب دلخواهی تنظیم شوند.

اگر مقدار گزینه خود فهرستی از موارد باشد (به عنوان نمونه فیلتر "format" فهرستی از قالب‌های پیکسل را می‌گیرد)، موارد موجود در فهرست معمولاً با | از هم جدا می‌شوند.

فهرست آرگومان‌ها را می‌توان با استفاده از نویسه ' به عنوان نشانگر آغاز و پایان نقل‌قول کرد، و از نویسه \ برای گریز (escape) نویسه‌ها درون متن نقل‌شده استفاده نمود؛ در غیر این صورت، رشته آرگومان زمانی خاتمه‌یافته تلقی می‌شود که با نویسه خاص بعدی (متعلق به مجموعه []=;,) مواجه شود.

نحو ویژه‌ای که در ابزار خط فرمان ffmpeg پیاده‌سازی شده، امکان بارگذاری مقادیر گزینه‌ها را از پرونده‌ها فراهم می‌سازد. این کار با افزودن یک اسلش '/' به ابتدای نام گزینه انجام می‌شود؛ در این حالت مقدار ارائه‌شده به عنوان مسیری تفسیر می‌شود که مقدار واقعی از آن بارگذاری می‌گردد. به عنوان مثال:

ffmpeg -i <INPUT> -vf drawtext=/text=/tmp/some_text <OUTPUT>

متنی که باید ترسیم شود را از /tmp/some_text بارگذاری خواهد کرد. کاربران API که مایل به پیاده‌سازی قابلیتی مشابه هستند باید از توابع "avfilter_graph_segment_*()" همراه با کد سفارشی ورودی/خروجی استفاده کنند.

نام و آرگومان‌های فیلتر به صورت اختیاری می‌توانند قبل و بعد با فهرستی از برچسب‌های پیوند (link labels) همراه شوند. یک برچسب پیوند امکان نام‌گذاری یک پیوند و اتصال آن به یک پد ورودی یا خروجی فیلتر را فراهم می‌سازد. برچسب‌های پیشین in_link_1 ... in_link_N، به پدهای ورودی فیلتر متصل می‌شوند، و برچسب‌های پسین out_link_1 ... out_link_M به پدهای خروجی مرتبط می‌گردند.

هنگامی که دو برچسب پیوند با نام یکسان در گراف فیلتر یافت شوند، پیوندی میان پد ورودی و خروجی متناظر ایجاد می‌شود.

اگر یک پد خروجی برچسب‌گذاری نشده باشد، به طور پیش‌فرض به اولین پد ورودی بدون برچسب از فیلتر بعدی در زنجیره فیلتر پیوند می‌خورد. برای مثال در زنجیره فیلتر:

nullsrc, split[L1], [L2]overlay, nullsink

نمونه فیلتر split دو پد خروجی دارد و نمونه فیلتر overlay دارای دو پد ورودی است. اولین پد خروجی split با "L1" برچسب‌گذاری شده، اولین پد ورودی overlay با "L2" برچسب خورده، و دومین پد خروجی split به دومین پد ورودی overlay متصل می‌شود، که هر دو بدون برچسب هستند.

در شرح یک فیلتر، اگر برچسب ورودی اولین فیلتر تعیین نشود، "in" فرض می‌شود؛ اگر برچسب خروجی آخرین فیلتر مشخص نشود، "out" در نظر گرفته می‌شود.

در یک زنجیره فیلتر کامل، تمامی پدهای ورودی و خروجی بدون برچسب فیلترها باید متصل باشند. یک گراف فیلتر زمانی معتبر شناخته می‌شود که تمامی پدهای ورودی و خروجی تمام زنجیره‌های فیلتر متصل باشند.

فضاهای خالی آغازین و پایانی (فاصله، تب، یا سرخط) که نشانه‌ها (tokens) را در مشخصات گراف فیلتر از هم جدا می‌کنند نادیده گرفته می‌شوند. این بدان معناست که می‌توان گراف فیلتر را با استفاده از خطوط خالی و فاصله‌ها برای خوانایی بهتر بیان کرد.

به عنوان مثال، گراف فیلتر:

testsrc,split[L1],hflip[L2];[L1][L2] hstack

می‌تواند به صورت زیر نمایش داده شود:

testsrc,
split [L1], hflip [L2];

[L1][L2] hstack

کتابخانه Libavfilter در جاهایی که تبدیل قالب مورد نیاز باشد به طور خودکار فیلترهای scale را درج می‌کند. می‌توان پرچم‌های swscale را برای این مقیاس‌بخش‌های درج‌شده خودکار با افزودن عبارت "sws_flags=flags;" به ابتدای شرح گراف فیلتر تعیین نمود.

در ادامه شرح BNF نحو گراف فیلتر آورده شده است:

<NAME>             ::= sequence of alphanumeric characters and '_'
<FILTER_NAME>      ::= <NAME>["@"<NAME>]
<LINKLABEL>        ::= "[" <NAME> "]"
<LINKLABELS>       ::= <LINKLABEL> [<LINKLABELS>]
<FILTER_ARGUMENTS> ::= sequence of chars (possibly quoted)
<FILTER>           ::= [<LINKLABELS>] <FILTER_NAME> ["=" <FILTER_ARGUMENTS>] [<LINKLABELS>]
<FILTERCHAIN>      ::= <FILTER> [,<FILTERCHAIN>]
<FILTERGRAPH>      ::= [sws_flags=<flags>;] <FILTERCHAIN> [;<FILTERGRAPH>]

نکاتی درباره گریز در گراف فیلتر (Notes on filtergraph escaping)

نوشتن شرح گراف فیلتر نیازمند چندین لایه گریز (escaping) است. برای اطلاعات بیشتر درباره روند گریز، به بخش "نقل‌قول و گریز" در راهنمای ffmpeg-utils(1) مراجعه کنید.

اولین سطح گریز بر محتوای مقدار هر گزینه فیلتر تأثیر می‌گذارد، که ممکن است شامل نویسه خاص ":" برای جداسازی مقادیر، یا یکی از نویسه‌های گریز "\'" باشد.

سطح دوم گریز بر کل شرح فیلتر تأثیر می‌گذارد، که ممکن است حاوی نویسه‌های گریز "\'" یا نویسه‌های خاص "[],;" باشد که توسط شرح گراف فیلتر استفاده می‌شوند.

در نهایت، هنگامی که یک گراف فیلتر را در خط فرمان شل مشخص می‌کنید، باید یک سطح سوم از گریز را برای نویسه‌های خاص شل که در آن قرار دارند انجام دهید.

به عنوان مثال، رشته زیر را در نظر بگیرید که قرار است درون مقدار text در فیلتر drawtext قرار گیرد:

this is a 'string': may contain one, or more, special characters

این رشته حاوی نویسه خاص گریز "'" و نویسه خاص ":" است، بنابراین باید به این صورت گریز داده شود:

text=this is a \'string\'\: may contain one, or more, special characters

هنگام قرار دادن شرح فیلتر در شرح گراف فیلتر، سطح دوم گریز لازم است تا تمامی نویسه‌های خاص گراف فیلتر گریز داده شوند. بنابراین مثال بالا تبدیل می‌شود به:

drawtext=text=this is a \\\'string\\\'\\: may contain one\, or more\, special characters

(توجه داشته باشید که علاوه بر نویسه‌های خاص گریز "\'"، نویسه "," نیز باید گریز داده شود).

در نهایت یک سطح اضافی از گریز هنگام نوشتن شرح گراف فیلتر در دستور شل مورد نیاز است، که به قواعد گریز شل مورد استفاده بستگی دارد. برای نمونه، با فرض این‌که "\" خاص باشد و نیاز به گریز با یک "\" دیگر داشته باشد، رشته قبلی در نهایت به این صورت خواهد بود:

-vf "drawtext=text=this is a \\\\\\'string\\\\\\'\\\\: may contain one\\, or more\\, special characters"

به منظور اجتناب از گریزهای دست‌وپاگیر هنگام استفاده از ابزارهای خط فرمانی که مشخصات فیلتر را به عنوان ورودی می‌پذیرند، توصیه می‌شود از گنجاندن مستقیم فیلتر یا مشخصات گزینه‌ها در شل خودداری نمایید.

به عنوان مثال، در مورد فیلتر drawtext، ممکن است ترجیح دهید از گزینه textfile به جای text برای تعیین متنِ جهت رندر استفاده کنید.

aap

اعمال الگوریتم پروجکشن افین (Affine Projection) بر روی اولین جریان صوتی با استفاده از دومین جریان صوتی.

این فیلتر تطبیقی برای تخمین صدای ناشناخته بر اساس چندین نمونه صوتی ورودی استفاده می‌شود. الگوریتم تصویر افین می‌تواند تعادلی میان پیچیدگی محاسباتی و سرعت همگرایی برقرار کند.

شرح گزینه‌های پذیرفته‌شده در ادامه می‌آید.

order

تنظیم مرتبه فیلتر.

projection

تنظیم مرتبه تصویر (projection).

mu

تنظیم ضریب mu فیلتر.

delta

تنظیم ضریب برای مقداردهی اولیه ماتریس کوواریانس داخلی.

out_mode

تنظیم نمونه‌های خروجی فیلتر. مقادیر زیر را می‌پذیرد:

precision

تنظیم دقت مورد استفاده هنگام پردازش نمونه‌ها.

acompressor

کمپرسور عمدتاً برای کاهش دامنه دینامیکی یک سیگنال استفاده می‌شود. به ویژه موسیقی‌های مدرن بیشتر با نسبت بالا فشرده می‌شوند تا بلندی صدای کلی را بهبود بخشند. این کار برای جلب حداکثر توجه شنونده، "حجیم کردن" صدا و افزودن "قدرت" بیشتر به قطعه انجام می‌شود. اگر سیگنالی بیش از حد فشرده شود ممکن است پس از آن کدر یا "مرده" به نظر برسد یا شروع به "پمپ کردن" کند (که می‌تواند جلوه‌ای قدرتمند باشد اما ممکن است قطعه را نیز کاملاً خراب کند). فشرده‌سازی درست، کلید رسیدن به صدای حرفه‌ای و هنر والای میکس و مسترینگ است. به دلیل تنظیمات پیچیده‌اش، ممکن است زمان زیادی طول بکشد تا حس مناسب برای این نوع جلوه حاصل شود.

فشرده‌سازی با تشخیص میزان بلندی صدا فراتر از یک سطح انتخابی "threshold" و تقسیم آن بر ضریب تعیین‌شده توسط "ratio" انجام می‌شود. بنابراین اگر آستانه را روی -12dB تنظیم کنید و سیگنال شما به -6dB برسد، نسبت 2:1 منجر به سیگنالی در -9dB خواهد شد. از آن‌جا که دستکاری دقیق سیگنال باعث اعوجاج شکل موج می‌شود، کاهش صدا می‌تواند در طول زمان تراز شود. این کار با تنظیم "Attack" و "Release" انجام می‌پذیرد. گزینه "attack" تعیین می‌کند که سیگنال چه مدت باید بالاتر از آستانه بماند پیش از آن‌که هرگونه کاهشی رخ دهد و "release" زمانی را تنظیم می‌کند که سیگنال باید به زیر آستانه سقوط کند تا کاهش صدا مجدداً کم شود. سیگنال‌های کوتاه‌تر از زمان حمله (attack) انتخابی دست‌نخورده باقی خواهند ماند. کاهش کلی سیگنال را می‌توان پس از آن با تنظیم "makeup" جبران کرد. بنابراین فشرده‌سازی قله‌های سیگنال به میزان حدود 6dB و افزایش makeup به این میزان، منجر به سیگنالی دو برابر بلندتر از منبع می‌شود. برای دستیابی به ورود ملایم‌تر به فشرده‌سازی، گزینه "knee" لبه تیز آستانه را در محدوده دسی‌بل‌های انتخابی صاف و منحنی می‌کند.

این فیلتر گزینه‌های زیر را می‌پذیرد:

level_in

تنظیم بهره (gain) ورودی. پیش‌فرض 1 است. محدوده بین 0.015625 و 64 است.

mode

تنظیم حالت عملکرد کمپرسور. می‌تواند "upward" (رو به بالا) یا "downward" (رو به پایین) باشد. پیش‌فرض "downward" است.

threshold

اگر سیگنال جریان بالاتر از این سطح برود، بر کاهش بهره تأثیر خواهد گذاشت. به طور پیش‌فرض 0.125 است. محدوده بین 0.00097563 و 1 است.

ratio

تنظیم نسبتی که سیگنال با آن کاهش می‌یابد. نسبت 1:2 بدان معناست که اگر سطح سیگنال 4dB بالاتر از آستانه رفت، پس از کاهش تنها 2dB بالاتر از آستانه خواهد بود. پیش‌فرض 2 است. محدوده بین 1 و 20 است.

attack

مدت زمان به میلی‌ثانیه که سیگنال باید پیش از شروع کاهش بهره بالاتر از آستانه بماند. پیش‌فرض 20 است. محدوده بین 0.01 و 2000 است.

release

مدت زمان به میلی‌ثانیه که سیگنال باید پیش از کاهش یافتن مجددِ تضعیف، به زیر آستانه بیفتد. پیش‌فرض 250 است. محدوده بین 0.01 و 9000 است.

makeup

تنظیم مقداری که سیگنال پس از پردازش تقویت خواهد شد. پیش‌فرض 1 است. محدوده از 1 تا 64 است.

knee

منحنی کردن زانویی تیز اطراف آستانه برای ورود نرم‌تر به کاهش بهره. پیش‌فرض 2.82843 است. محدوده بین 1 و 8 است.

link

انتخاب این‌که آیا سطح میانگین ("average") میان تمام کانال‌های جریان ورودی یا کانال بلندتر ("maximum") جریان ورودی بر کاهش بهره تأثیر بگذارد. پیش‌فرض "average" است.

detection

تعیین این‌که آیا سیگنال دقیق در حالت "peak" در نظر گرفته شود یا مقدار RMS در حالت "rms". پیش‌فرض "rms" است که معمولاً روان‌تر است.

mix

میزان استفاده از سیگنال فشرده‌شده در خروجی. پیش‌فرض 1 است. محدوده بین 0 و 1 است.

دستورات (Commands)

این فیلتر از تمامی گزینه‌های فوق به عنوان دستورات پشتیبانی می‌کند.

acontrast

فیلتر ساده فشرده‌سازی/گسترش دامنه دینامیکی صدا.

این فیلتر گزینه‌های زیر را می‌پذیرد:

contrast

تنظیم کنتراست. پیش‌فرض 33 است. محدوده مجاز بین 0 و 100 است.

acopy

کپی منبع صوتی ورودی بدون تغییر به خروجی. این فیلتر عمدتاً برای اهداف آزمایشی مفید است.

acrossfade

اعمال محوشدگی متقاطع (cross fade) از یک جریان صوتی ورودی به جریان صوتی ورودی دیگر. محوشدگی متقاطع برای مدت‌زمان مشخصی در نزدیکی انتهای جریان اول اعمال می‌شود.

این فیلتر گزینه‌های زیر را می‌پذیرد:

inputs, n

تعیین تعداد ورودی‌ها برای محوشدگی متقاطع. هنگام اعمال فید متقاطع روی چندین ورودی، هر ورودی به ترتیب زنجیره‌بندی شده و فید متقاطع می‌شود، مشابه با فیلتر concat. پیش‌فرض 2 است.

nb_samples, ns

تعیین تعداد نمونه‌هایی که جلوه محوشدگی متقاطع باید ادامه داشته باشد. در پایان جلوه محوشدگی متقاطع، اولین صدای ورودی کاملاً ساکت خواهد بود. پیش‌فرض 44100 است.

duration, d

تعیین مدت زمان جلوه محوشدگی متقاطع. برای نحو پذیرفته‌شده، به بخش مدت زمان در راهنمای ffmpeg-utils(1) مراجعه کنید. به طور پیش‌فرض مدت زمان با nb_samples تعیین می‌شود. در صورت تنظیم، این گزینه به جای nb_samples استفاده می‌شود.

overlap, o

تعیین این‌که آیا پایان جریان اول باید با آغاز جریان دوم هم‌پوشانی داشته باشد یا خیر. پیش‌فرض فعال است.

curve1

تنظیم منحنی برای انتقال محوشدگی متقاطع برای جریان اول.

curve2

تنظیم منحنی برای انتقال محوشدگی متقاطع برای جریان دوم.

برای شرح انواع منحنی‌های موجود، شرح فیلتر afade را ببینید.

مثال‌ها

• محوشدگی متقاطع از یک ورودی به ورودی دیگر:

  ffmpeg -i first.flac -i second.flac -filter_complex acrossfade=d=10:c1=exp:c2=exp output.flac

• محوشدگی متقاطع از یک ورودی به دیگری اما بدون هم‌پوشانی:

  ffmpeg -i first.flac -i second.flac -filter_complex acrossfade=d=10:o=0:c1=exp:c2=exp output.flac

  زنجیره‌بندی چندین ورودی همراه با محوشدگی متقاطع میان هر یک:

  ffmpeg -i first.flac -i second.flac -i third.flac -filter_complex acrossfade=n=3 output.flac

acrossover

تقسیم جریان صوتی به چندین باند فرکانسی.

این فیلتر جریان صدا را به دو یا چند محدوده فرکانسی تقسیم می‌کند. جمع بستن مجدد تمامی جریان‌ها خروجی مسطح و یکنواختی به دست می‌دهد.

این فیلتر گزینه‌های زیر را می‌پذیرد:

split

تنظیم فرکانس‌های تقسیم. این فرکانس‌ها باید مقادیری مثبت و صعودی باشند.

order

تنظیم مرتبه فیلتر برای هر تقسیم باند. این گزینه افت فرکانسی (roll-off) یا شیب تابع تبدیل فیلتر را کنترل می‌کند. مقادیر در دسترس عبارتند از:

level

تنظیم سطح بهره ورودی. محدوده مجاز از 0 تا 1 است. مقدار پیش‌فرض 1 است.

gains

تنظیم بهره خروجی برای هر باند. مقدار پیش‌فرض برای تمامی باندها 1 است.

precision

تنظیم دقت مورد استفاده هنگام پردازش نمونه‌ها.

مثال‌ها

• تقسیم جریان صوتی ورودی به دو باند (پایین و بالا) با فرکانس تقسیم 1500 Hz، به طوری که هر باند در جریانی جداگانه قرار گیرد:

  ffmpeg -i in.flac -filter_complex 'acrossover=split=1500[LOW][HIGH]' -map '[LOW]' low.wav -map '[HIGH]' high.wav

• مشابه مورد بالا، اما با مرتبه فیلتر بالاتر:

  ffmpeg -i in.flac -filter_complex 'acrossover=split=1500:order=8th[LOW][HIGH]' -map '[LOW]' low.wav -map '[HIGH]' high.wav

• مشابه بالا، اما همراه با باند میانی اضافی (فرکانس‌های بین 1500 و 8000):

  ffmpeg -i in.flac -filter_complex 'acrossover=split=1500 8000:order=8th[LOW][MID][HIGH]' -map '[LOW]' low.wav -map '[MID]' mid.wav -map '[HIGH]' high.wav

acrusher

کاهش تفکیک‌پذیری بیتی صدا (bit resolution).

این فیلتر یک بیت‌کراشر (bit crusher) با قابلیت‌های پیشرفته است. بیت‌کراشر برای کاهش شنیداری تعداد بیت‌هایی که سیگنال صوتی با آن‌ها نمونه‌برداری شده به کار می‌رود. این فیلتر به هیچ وجه عمق بیت واقعی را تغییر نمی‌دهد، بلکه صرفاً این جلوه صوتی را ایجاد می‌کند. محتوایی که عمق بیت آن کاهش یافته باشد خشن‌تر و "دیجیتالی‌تر" به نظر می‌رسد. این فیلتر حتی قادر است به جای عمق‌های بیتی گسسته، به مقادیر پیوسته گرد کند. علاوه بر این دارای یک آفست D/C است که منجر به خرد شدن متفاوت نیمه پایینی و نیمه بالایی سیگنال می‌شود. یک تنظیم ضدپلگی (Anti-Aliasing) نیز می‌تواند صداهای خردشده "نرم‌تری" تولید کند.

یکی دیگر از ویژگی‌های این فیلتر حالت لگاریتمی است. این تنظیم فواصل خطی میان بیت‌ها را به فواصل لگاریتمی تغییر می‌دهد. نتیجه کار یک کراشر با صدای بسیار "طبیعی‌تر" است که برای مثال سیگنال‌های ضعیف را قطع (gate) نمی‌کند. گوش انسان ادراک لگاریتمی دارد، بنابراین این نوع خردسازی بسیار گوش‌نوازتر است. خردسازی لگاریتمی همچنین قابلیت ضدپلگی را دارد.

این فیلتر گزینه‌های زیر را می‌پذیرد:

level_in

تنظیم سطح ورودی.

level_out

تنظیم سطح خروجی.

bits

تنظیم میزان کاهش بیت.

mix

تنظیم میزان ترکیب (mix).

mode

می‌تواند خطی: "lin" یا لگاریتمی: "log" باشد.

dc

تنظیم مؤلفه مستقیم (DC).

aa

تنظیم ضدپلگی (anti-aliasing).

samples

تنظیم کاهش نمونه‌ها.

lfo

فعال‌سازی نوسان‌ساز بسامد پایین (LFO). به طور پیش‌فرض غیرفعال است.

lforange

تنظیم محدوده LFO.

lforate

تنظیم نرخ LFO.

دستورات (Commands)

این فیلتر از تمامی گزینه‌های فوق به عنوان دستورات پشتیبانی می‌کند.

acue

به تأخیر انداختن فیلترگذاری صدا تا یک برچسب زمانی مشخص از ساعت سیستم. فیلتر cue را ببینید.

adeclick

حذف نوفه‌های ضربه‌ای (impulsive noise / صدای کلیک و ترق‌تروق) از صدای ورودی.

نمونه‌هایی که به عنوان نوفه ضربه‌ای تشخیص داده شوند، با استفاده از مدل‌سازی خودبازگشتی (autoregressive) با نمونه‌های درون‌یابی‌شده جایگزین می‌گردند.

window, w

تنظیم اندازه پنجره، بر حسب میلی‌ثانیه. محدوده مجاز از 10 تا 100 است. مقدار پیش‌فرض 55 میلی‌ثانیه است. این گزینه اندازه پنجره‌ای را که در هر نوبت پردازش می‌شود تعیین می‌کند.

overlap, o

تنظیم هم‌پوشانی پنجره‌ها، به درصدِ اندازه پنجره. محدوده مجاز از 50 تا 95 است. مقدار پیش‌فرض 75 درصد است. تنظیم این مقدار روی عددی بسیار بالا حذف نوفه‌های ضربه‌ای را بهبود می‌بخشد اما کل فرآیند را بسیار کندتر می‌کند.

arorder, a

تنظیم مرتبه خودبازگشت، به درصد اندازه پنجره. محدوده مجاز از 0 تا 25 است. مقدار پیش‌فرض 2 درصد است. این گزینه همچنین کیفیت نمونه‌های درون‌یابی‌شده را با استفاده از نمونه‌های سالم مجاور کنترل می‌کند.

threshold, t

تنظیم مقدار آستانه. محدوده مجاز از 1 تا 100 است. مقدار پیش‌فرض 2 است. این گزینه شدت نوفه‌های ضربه‌ای که باید حذف شوند را کنترل می‌کند. هر چه مقدار کمتر باشد، نمونه‌های بیشتری به عنوان نوفه ضربه‌ای تشخیص داده می‌شوند.

burst, b

تنظیم ادغام رگباری (burst fusion)، به درصد اندازه پنجره. محدوده مجاز 0 تا 10 است. مقدار پیش‌فرض 2 است. اگر فاصله هر دو نمونه تشخیص‌داده‌شده به عنوان نوفه کمتر از این مقدار باشد، هر نمونه‌ای که میان آن دو قرار گیرد نیز به عنوان نوفه شناسایی خواهد شد.

method, m

تنظیم روش هم‌پوشانی.

مقادیر زیر را می‌پذیرد:

adeclip

حذف نمونه‌های برش‌خورده (clipped) از صدای ورودی.

نمونه‌هایی که به عنوان کلیپ‌شده تشخیص داده شوند، با استفاده از مدل‌سازی خودبازگشتی با نمونه‌های درون‌یابی‌شده جایگزین می‌گردند.

window, w

تنظیم اندازه پنجره، بر حسب میلی‌ثانیه. محدوده مجاز از 10 تا 100 است. مقدار پیش‌فرض 55 میلی‌ثانیه است. این گزینه اندازه پنجره‌ای را تعیین می‌کند که در هر نوبت پردازش خواهد شد.

overlap, o

تنظیم هم‌پوشانی پنجره‌ها، به درصد اندازه پنجره. محدوده مجاز از 50 تا 95 است. مقدار پیش‌فرض 75 درصد است.

arorder, a

تنظیم مرتبه خودبازگشت، به درصد اندازه پنجره. محدوده مجاز از 0 تا 25 است. مقدار پیش‌فرض 8 درصد است. این گزینه همچنین کیفیت نمونه‌های درون‌یابی‌شده را با استفاده از نمونه‌های سالم مجاور کنترل می‌نماید.

threshold, t

تنظیم مقدار آستانه. محدوده مجاز از 1 تا 100 است. مقدار پیش‌فرض 10 است. مقادیر بالاتر حساسیت تشخیص کلیپینگ را کمتر می‌کنند.

hsize, n

تنظیم اندازه هیستوگرام مورد استفاده برای تشخیص کلیپ‌ها. محدوده مجاز از 100 تا 9999 است. مقدار پیش‌فرض 1000 است. مقادیر بالاتر شدت تشخیص کلیپینگ را کمتر می‌کنند.

method, m

تنظیم روش هم‌پوشانی.

مقادیر زیر را می‌پذیرد:

adecorrelate

اعمال ناهمبستگی (decorrelation) بر روی جریان صوتی ورودی.

این فیلتر گزینه‌های زیر را می‌پذیرد:

stages

تنظیم مراحل ناهمبسته‌سازی در فیلترگذاری. محدوده مجاز از 1 تا 16 است. مقدار پیش‌فرض 6 است.

seed

تنظیم سید (بذر) تصادفی مورد استفاده برای تعیین تأخیر بر حسب نمونه در کانال‌ها.

adelay

به تأخیر انداختن یک یا چند کانال صوتی.

نمونه‌ها در کانال تأخیریافته با سکوت پر می‌شوند.

این فیلتر گزینه‌های زیر را می‌پذیرد:

delays

تنظیم فهرست تأخیرها بر حسب میلی‌ثانیه برای هر کانال که با '|' از هم جدا شده‌اند. تأخیرهای استفاده‌نشده بدون هشدار نادیده گرفته می‌شوند. اگر تعداد تأخیرهای داده‌شده کمتر از تعداد کانال‌ها باشد، تمام کانال‌های باقی‌مانده بدون تأخیر خواهند بود. اگر می‌خواهید تعداد دقیق نمونه‌ها را به تأخیر بیندازید، پسوند 'S' را به عدد اضافه کنید. اگر به جای آن می‌خواهید بر حسب ثانیه تأخیر ایجاد کنید، پسوند 's' را به عدد بیفزایید.

all

استفاده از آخرین تأخیر تنظیم‌شده برای تمام کانال‌های باقی‌مانده. به طور پیش‌فرض غیرفعال است. این گزینه در صورت فعال بودن، نحوه تفسیر گزینه "delays" را تغییر می‌دهد.

مثال‌ها

• تأخیر کانال اول به مدت 1.5 ثانیه، کانال سوم به مدت 0.5 ثانیه و دست‌نخورده گذاشتن کانال دوم (و هر کانال دیگری که ممکن است وجود داشته باشد):

  adelay=1500|0|500

• تأخیر کانال دوم به میزان 500 نمونه، کانال سوم به میزان 700 نمونه و دست‌نخورده گذاشتن کانال اول (و هر کانال دیگری که ممکن است وجود داشته باشد):

  adelay=0|500S|700S

• تأخیر تمامی کانال‌ها به یک اندازه بر حسب نمونه:

  adelay=delays=64S:all=1

adenorm

اصلاح اعداد زیرنرمال (denormals) در صدا از طریق افزودن نوفه‌ای با سطح بسیار بسیار پایین.

این فیلتر باید پیش از هر فیلتری قرار گیرد که ممکن است اعداد زیرنرمال تولید کند.

شرح پارامترهای پذیرفته‌شده در ادامه می‌آید.

level

تنظیم سطح نوفه افزوده‌شده بر حسب دسی‌بل. پیش‌فرض -351 است. محدوده مجاز بین -451 و -90 است.

type

تنظیم نوع نوفه اضافه‌شده.

دستورات (Commands)

این فیلتر از تمامی گزینه‌های فوق به عنوان دستورات پشتیبانی می‌کند.

aderivative, aintegral

محاسبه مشتق/انتگرال جریان صوتی.

اعمال هر دو فیلتر یکی پس از دیگری، صدای اصلی را بازتولید می‌کند.

adrc

اعمال فیلتر کنترل‌کننده دامنه دینامیکی طیفی بر روی جریان صوتی ورودی.

شرح گزینه‌های پذیرفته‌شده در ادامه می‌آید.

transfer

تنظیم عبارت انتقال (transfer expression).

این عبارت می‌تواند شامل ثابت‌های زیر باشد:

attack

تنظیم زمان حمله (attack) بر حسب میلی‌ثانیه. پیش‌فرض 50 میلی‌ثانیه است. محدوده مجاز بین 1 تا 1000 میلی‌ثانیه است.

release

تنظیم زمان رهاسازی (release) بر حسب میلی‌ثانیه. پیش‌فرض 100 میلی‌ثانیه است. محدوده مجاز بین 5 تا 2000 میلی‌ثانیه است.

channels

تعیین این‌که کدام کانال‌ها فیلتر شوند؛ به طور پیش‌فرض تمام کانال‌های ("all") موجود در جریان صوتی فیلتر می‌شوند.

دستورات (Commands)

این فیلتر از تمامی گزینه‌های فوق به عنوان دستورات پشتیبانی می‌کند.

مثال‌ها

• اعمال فشرده‌سازی طیفی بر تمام فرکانس‌ها با آستانه -50 dB و نسبت 1:6:

  adrc=transfer='if(gt(p,-50),-50+(p-(-50))/6,p)':attack=50:release=100

• مشابه بالا اما با نسبت 1:2 و فیلتر کردن تنها کانال مرکزی جلو (front center):

  adrc=transfer='if(gt(p,-50),-50+(p-(-50))/2,p)':attack=50:release=100:channels=FC

• اعمال گیت نویز طیفی بر تمامی فرکانس‌ها با آستانه -85 dB و با زمان حمله کوتاه و رهاسازی کوتاه:

  adrc=transfer='if(lte(p,-85),p-800,p)':attack=1:release=5

• اعمال گسترش (expansion) طیفی بر تمام فرکانس‌ها با آستانه -10 dB و نسبت 1:2:

  adrc=transfer='if(lt(p,-10),-10+(p-(-10))*2,p)':attack=50:release=100

• اعمال محدودکننده (limiter) به حداکثر -60 dB برای تمامی فرکانس‌ها، با حمله 2 میلی‌ثانیه و رهاسازی 10 میلی‌ثانیه:

  adrc=transfer='min(p,-60)':attack=2:release=10

adynamicequalizer

اعمال اکولایزر پویا بر روی جریان صوتی ورودی.

شرح گزینه‌های پذیرفته‌شده در ادامه می‌آید.

threshold

تنظیم آستانه تشخیص مورد استفاده برای تحریک اکولایزر. تشخیص آستانه از فیلتر تشخیص استفاده می‌کند. مقدار پیش‌فرض 0 است. محدوده مجاز از 0 تا 100 است.

dfrequency

تنظیم فرکانس تشخیص بر حسب هرتز مورد استفاده برای فیلتر تشخیص جهت آغاز اکولایزر. مقدار پیش‌فرض 1000 Hz است. محدوده مجاز بین 2 و 1000000 Hz است.

dqfactor

تنظیم ضریب تشدید (رزونانس) تشخیص برای فیلتر تشخیص جهت آغاز اکولایزر. مقدار پیش‌فرض 1 است. محدوده مجاز از 0.001 تا 1000 است.

tfrequency

تنظیم فرکانس هدف فیلتر اکولایزاسیون. مقدار پیش‌فرض 1000 Hz است. محدوده مجاز بین 2 و 1000000 Hz است.

tqfactor

تنظیم ضریب رزونانس هدف برای فیلتر اکولایزر هدف. مقدار پیش‌فرض 1 است. محدوده مجاز از 0.001 تا 1000 است.

attack

تنظیم مقدار زمان بر حسب میلی‌ثانیه که سیگنال حاصل از تشخیص باید فراتر از آستانه تشخیص برود پیش از آن‌که اکولایزاسیون آغاز شود. پیش‌فرض 20 است. محدوده مجاز بین 1 و 2000 است.

release

تنظیم مقدار زمان بر حسب میلی‌ثانیه که سیگنال حاصل از تشخیص باید به زیر آستانه تشخیص بیفتد پیش از آن‌که اکولایزاسیون پایان یابد. پیش‌فرض 200 است. محدوده مجاز بین 1 و 2000 است.

ratio

تنظیم نسبتی که بهره اکولایزاسیون با آن افزایش می‌یابد. پیش‌فرض 1 است. محدوده مجاز بین 0 و 30 است.

makeup

تنظیم آفست جبرانی (makeup) که بهره اکولایزاسیون با آن افزایش می‌یابد. پیش‌فرض 0 است. محدوده مجاز بین 0 و 100 است.

range

تنظیم حداکثر میزان مجاز تضعیف/تقویت (cut/boost). پیش‌فرض 50 است. محدوده مجاز از 1 تا 200 است.

mode

تنظیم حالت عملکرد فیلتر؛ می‌تواند یکی از موارد زیر باشد:

dftype

تنظیم نوع فیلتر تشخیص؛ می‌تواند یکی از موارد زیر باشد:

tftype

تنظیم نوع فیلتر هدف؛ می‌تواند یکی از موارد زیر باشد:

auto

جمع‌آوری خودکار آستانه از فیلتر تشخیص. به طور پیش‌فرض غیرفعال (disabled) است. این گزینه برای تشخیص آستانه در بازه زمانی خاصی از جریان صوتی ورودی مفید است، که در این حالت مقدار گزینه در زمان اجرا تغییر داده می‌شود.

مقادیر در دسترس عبارتند از:

precision

تنظیم دقت مورد استفاده هنگام پردازش نمونه‌ها.

دستورات (Commands)

این فیلتر از تمامی گزینه‌های فوق به عنوان دستورات پشتیبانی می‌کند.

adynamicsmooth

اعمال هموارسازی پویا بر جریان صوتی ورودی.

شرح گزینه‌های پذیرفته‌شده در ادامه می‌آید.

sensitivity

تنظیم میزان حساسیت به نوسانات فرکانسی. پیش‌فرض 2 است. محدوده مجاز از 0 تا 1e+06 است.

basefreq

تنظیم فرکانس پایه برای هموارسازی. مقدار پیش‌فرض 22050 است. محدوده مجاز از 2 تا 1e+06 است.

دستورات (Commands)

این فیلتر از تمامی گزینه‌های فوق به عنوان دستورات پشتیبانی می‌کند.

aecho

اعمال پژواک (اکو) بر صدای ورودی.

پژواک‌ها صداهای بازتابیده‌شده هستند و می‌توانند هنگام صحبت یا فریاد زدن در میان کوه‌ها (و گاهی ساختمان‌های بزرگ) به صورت طبیعی رخ دهند؛ جلوه‌های اکوی دیجیتال این رفتار را شبیه‌سازی می‌کنند و اغلب برای کمک به پر کردن صدای یک ساز یا خواننده به کار می‌روند. اختلاف زمانی میان سیگنال اصلی و بازتاب، تأخیر ("delay") نام دارد و بلندی سیگنال بازتابیده میزان میرایی/فروپاشی ("decay") است. پژواک‌های متعدد می‌توانند تأخیرها و فروپاشی‌های متفاوتی داشته باشند.

شرح پارامترهای پذیرفته‌شده در ادامه می‌آید.

in_gain

تنظیم بهره ورودی سیگنال بازتاب‌یافته. پیش‌فرض 0.6 است.

out_gain

تنظیم بهره خروجی سیگنال بازتاب‌یافته. پیش‌فرض 0.3 است.

delays

تنظیم فهرست بازه‌های زمانی بر حسب میلی‌ثانیه میان سیگنال اصلی و بازتاب‌ها که با '|' از هم جدا شده‌اند. محدوده مجاز برای هر "delay" برابر با "(0 - 90000.0]" است. پیش‌فرض 1000 است.

decays

تنظیم فهرست بلندی سیگنال‌های بازتاب‌یافته که با '|' از هم جدا شده‌اند. محدوده مجاز برای هر "decay" برابر با "(0 - 1.0]" است. پیش‌فرض 0.5 است.

مثال‌ها

• به گونه‌ای صدا دهد که گویی دو برابر تعداد سازهای در حال نواختن، ساز نواخته می‌شود:

  aecho=0.8:0.88:60:0.4

• اگر تأخیر بسیار کوتاه باشد، صدایی شبیه به نواختن موسیقی توسط یک ربات (فلزی) ایجاد می‌شود:

  aecho=0.8:0.88:6:0.4

• یک تأخیر طولانی‌تر شبیه به کنسرت در هوای آزاد در میان کوه‌ها صدا خواهد داد:

  aecho=0.8:0.9:1000:0.3

• مشابه مورد بالا اما با یک کوه دیگر:

  aecho=0.8:0.9:1000|1800:0.3|0.25

aemphasis

فیلتر تأکید صدا (audio emphasis) محتوای برگرفته مستقیم از صفحه‌های گرامافون (LP) یا CDهای دارای تأکید را با منحنی‌های فیلتر مختلف تولید یا بازسازی می‌کند. برای مثال جهت ضبط موسیقی روی وینیل، سیگنال ابتدا باید توسط یک فیلتر تغییر داده شود تا نقاط ضعف این رسانه ضبط تعدیل گردد. هنگامی که محتوا بازپخش می‌شود، باید فیلتر معکوس اعمال گردد تا اعوجاج پاسخ فرکانسی بازسازی شود.

این فیلتر گزینه‌های زیر را می‌پذیرد:

level_in

تنظیم بهره ورودی.

level_out

تنظیم بهره خروجی.

mode

تنظیم حالت فیلتر. برای بازسازی محتوا از حالت "reproduction" (بازتولید) استفاده کنید، در غیر این صورت از حالت "production" (تولید) استفاده نمایید. پیش‌فرض حالت "reproduction" است.

type

تنظیم نوع فیلتر. رسانه را انتخاب می‌کند. می‌تواند یکی از موارد زیر باشد:

دستورات (Commands)

این فیلتر از تمامی گزینه‌های فوق به عنوان دستورات پشتیبانی می‌کند.

aeval

تغییر یک سیگنال صوتی بر اساس عبارت‌های تعیین‌شده.

این فیلتر یک یا چند عبارت (یکی برای هر کانال) را می‌پذیرد، که ارزیابی شده و برای اصلاح سیگنال صوتی متناظر استفاده می‌شوند.

پارامترهای زیر را می‌پذیرد:

exprs

تنظیم فهرست عبارت‌ها برای هر کانال جداگانه که با '|' از هم جدا شده‌اند. اگر تعداد کانال‌های ورودی بیشتر از تعداد عبارت‌ها باشد، آخرین عبارتِ مشخص‌شده برای کانال‌های خروجی باقی‌مانده استفاده می‌شود.

channel_layout, c

تنظیم چینش کانال خروجی. در صورت عدم تعیین، چینش کانال با تعداد عبارت‌ها تعیین می‌شود. اگر روی same تنظیم شود، به طور پیش‌فرض از همان چینش کانال ورودی استفاده خواهد کرد.

هر عبارت در exprs می‌تواند شامل ثابت‌ها و توابع زیر باشد:

ch

شماره کانال عبارت جاری

n

شماره نمونه ارزیابی‌شده، با شروع از 0

s

نرخ نمونه‌برداری

t

زمان نمونه ارزیابی‌شده بر حسب ثانیه

nb_in_channels

nb_out_channels

تعداد کانال‌های ورودی و خروجی

val(CH)

مقدار کانال ورودی با شماره CH

توجه: این فیلتر کند است. برای پردازش سریع‌تر باید از یک فیلتر اختصاصی استفاده کنید.

مثال‌ها

• نصف کردن حجم صدا:

  aeval=val(ch)/2:c=same

• معکوس کردن فاز کانال دوم:

  aeval=val(0)|-val(1)

aexciter

یک اکسایتر (Exciter) برای تولید صداهای فرکانس بالا که در سیگنال اصلی وجود ندارند استفاده می‌شود. این کار با ایجاد اعوجاج‌های هارمونیک در سیگنال انجام می‌شود که در دامنه‌ای محدود شده و به سیگنال اصلی اضافه می‌گردند. یک اکسایتر لبه بالایی سیگنال صوتی را ارتقا می‌دهد بدون آن‌که مانند یک اکولایزر صرفاً فرکانس‌های بالاتر را تقویت کند، تا صدایی "شفاف‌تر" یا "درخشان‌تر" ایجاد نماید.

این فیلتر گزینه‌های زیر را می‌پذیرد:

level_in

تنظیم سطح ورودی پیش از پردازش سیگنال. محدوده مجاز از 0 تا 64 است. مقدار پیش‌فرض 1 است.

level_out

تنظیم سطح خروجی پس از پردازش سیگنال. محدوده مجاز از 0 تا 64 است. مقدار پیش‌فرض 1 است.

amount

تنظیم میزان هارمونیک‌های اضافه‌شده به سیگنال اصلی. محدوده مجاز از 0 تا 64 است. مقدار پیش‌فرض 1 است.

drive

تنظیم میزان هارمونیک‌های جدید تولیدشده. محدوده مجاز از 0.1 تا 10 است. مقدار پیش‌فرض 8.5 است.

blend

تنظیم اکتاو هارمونیک‌های جدید ایجادشده. محدوده مجاز از -10 تا 10 است. مقدار پیش‌فرض 0 است.

freq

تنظیم حد پایین فرکانس تولید هارمونیک‌ها بر حسب هرتز. محدوده مجاز از 2000 تا 12000 هرتز است. پیش‌فرض 7500 هرتز است.

ceil

تنظیم حد بالای فرکانس تولید هارمونیک‌ها. محدوده مجاز از 9999 تا 20000 هرتز است. اگر مقدار کمتر از 10000 هرتز باشد، هیچ حدی اعمال نمی‌شود.

listen

بی‌صدا کردن سیگنال اصلی و خروجی دادن تنها هارمونیک‌های افزوده‌شده. به طور پیش‌فرض غیرفعال است.

دستورات (Commands)

این فیلتر از تمامی گزینه‌های فوق به عنوان دستورات پشتیبانی می‌کند.

afade

اعمال جلوه محو شدن تدریجی ورودی/خروجی (fade-in/out) بر روی صدای ورودی.

شرح پارامترهای پذیرفته‌شده در ادامه می‌آید.

type, t

تعیین نوع جلوه؛ می‌تواند "in" برای fade-in، یا "out" برای جلوه fade-out باشد. پیش‌فرض "in" است.

start_sample, ss

تعیین شماره نمونه آغازین برای شروع اعمال جلوه محوشدگی. پیش‌فرض 0 است.

nb_samples, ns

تعیین تعداد نمونه‌هایی که جلوه محوشدگی باید ادامه یابد. در پایان جلوه fade-in، صدای خروجی همان حجم صدای ورودی را خواهد داشت، و در پایان انتقال fade-out، صدای خروجی سکوت خواهد بود. پیش‌فرض 44100 است.

start_time, st

تعیین زمان شروع جلوه محوشدگی. پیش‌فرض 0 است. مقدار باید به عنوان یک مدت زمان مشخص شود؛ برای نحو پذیرفته‌شده، به بخش مدت زمان در راهنمای ffmpeg-utils(1) مراجعه کنید. در صورت تنظیم، این گزینه به جای start_sample استفاده می‌شود.

duration, d

تعیین مدت زمان جلوه محوشدگی. برای نحو پذیرفته‌شده، به بخش مدت زمان در راهنمای ffmpeg-utils(1) مراجعه کنید. در پایان جلوه fade-in صدای خروجی همان حجم صدای ورودی را خواهد داشت، و در پایان انتقال fade-out صدای خروجی سکوت خواهد بود. به طور پیش‌فرض مدت زمان با nb_samples تعیین می‌شود. در صورت تنظیم، این گزینه به جای nb_samples استفاده می‌شود.

curve

تنظیم منحنی برای انتقال محوشدگی.

مقادیر زیر را می‌پذیرد:

silence

تنظیم بهره اولیه برای fade-in یا بهره نهایی برای fade-out. مقدار پیش‌فرض 0.0 است.

unity

تنظیم بهره اولیه برای fade-out یا بهره نهایی برای fade-in. مقدار پیش‌فرض 1.0 است.

دستورات (Commands)

این فیلتر از تمامی گزینه‌های فوق به عنوان دستورات پشتیبانی می‌کند.

مثال‌ها

• محو شدن تدریجی ورودی (Fade in) در ۱۵ ثانیه اول صدا:

  afade=t=in:ss=0:d=15

• محو شدن تدریجی خروجی (Fade out) در ۲۵ ثانیه پایانی یک صدای ۹۰۰ ثانیه‌ای:

  afade=t=out:st=875:d=25

afftdn

کاهش نوفه نمونه‌های صوتی با استفاده از FFT.

شرح پارامترهای پذیرفته‌شده در ادامه می‌آید.

noise_reduction, nr

تنظیم میزان کاهش نوفه بر حسب دسی‌بل، محدوده مجاز 0.01 تا 97 است. مقدار پیش‌فرض 12 dB است.

noise_floor, nf

تنظیم کف نوفه (noise floor) بر حسب دسی‌بل، محدوده مجاز -80 تا -20 است. مقدار پیش‌فرض -50 dB است.

noise_type, nt

تنظیم نوع نوفه.

مقادیر زیر را می‌پذیرد:

band_noise, bn

تنظیم نمایه نوفه باند سفارشی برای هر یک از ۱۵ باند. باندها با ' ' یا '|' از هم جدا می‌شوند.

residual_floor, rf

تنظیم کف باقیمانده (residual floor) بر حسب دسی‌بل، محدوده مجاز -80 تا -20 است. مقدار پیش‌فرض -38 dB است.

track_noise, tn

فعال‌سازی ردیابی کف نوفه. به طور پیش‌فرض غیرفعال است. با فعال بودن این گزینه، کف نوفه به طور خودکار تنظیم می‌شود.

track_residual, tr

فعال‌سازی ردیابی باقیمانده. به طور پیش‌فرض غیرفعال است.

output_mode, om

تنظیم حالت خروجی.

مقادیر زیر را می‌پذیرد:

adaptivity, ad

تنظیم ضریب تطبیق‌پذیری، تعیین می‌کند که تنظیمات بهره برای هر بین فرکانسی (frequency bin) با چه سرعتی تطبیق یابد. مقدار 0 تطبیق فوری را فعال می‌کند، در حالی که مقادیر بالاتر بسیار کندتر واکنش نشان می‌دهند. محدوده مجاز از 0 تا 1 است. مقدار پیش‌فرض 0.5 است.

floor_offset, fo

تنظیم ضریب آفست کف نوفه. این گزینه برای تعدیل آفست اعمال‌شده بر کف نوفه اندازه‌گیری‌شده استفاده می‌شود. این گزینه تنها زمانی مؤثر است که ردیابی کف نوفه فعال باشد. محدوده مجاز از -2.0 تا 2.0 است. مقدار پیش‌فرض 1.0 است.

noise_link, nl

تنظیم پیوند نوفه مورد استفاده برای صدای چندکاناله.

مقادیر زیر را می‌پذیرد:

band_multiplier, bm

تنظیم ضریب چندبرابرکننده باند، تعیین می‌کند که باندها چقدر در بین‌های فرکانسی پخش شوند. محدوده مجاز از 0.2 تا 5 است. مقدار پیش‌فرض 1.25 است.

sample_noise, sn

تغییر وضعیت دریافت و اندازه‌گیری نمایه نوفه از صدای ورودی.

مقادیر زیر را می‌پذیرد:

gain_smooth, gs

تنظیم شعاع مکانی هموارسازی بهره، مورد استفاده برای هموار کردن بهره‌های اعمال‌شده بر هر بین فرکانسی. برای کاهش مصنوعات تصادفی نویز موسیقی مفید است. مقادیر بالاتر هموارسازی بهره‌ها را افزایش می‌دهد. محدوده مجاز از 0 تا 50 است. مقدار پیش‌فرض 0 است.

دستورات (Commands)

این فیلتر از برخی گزینه‌های فوق‌الذکر به عنوان دستورات پشتیبانی می‌کند.

مثال‌ها

• کاهش نوفه سفید به میزان 10dB، و استفاده از کف نوفه اندازه‌گیری‌شده قبلی -40dB:

  afftdn=nr=10:nf=-40

• کاهش نوفه سفید به میزان 10dB، همچنین تنظیم کف نوفه اولیه روی -80dB و فعال‌سازی ردیابی خودکار کف نوفه به طوری که کف نوفه در طول پردازش به تدریج تغییر کند:

  afftdn=nr=10:nf=-80:tn=1

• کاهش نوفه به میزان 20dB، با استفاده از کف نوفه -40dB و استفاده از دستورات برای ثبت نمایه نوفه در 0.4 ثانیه اول صدای ورودی:

  asendcmd=0.0 afftdn sn start,asendcmd=0.4 afftdn sn stop,afftdn=nr=20:nf=-40

afftfilt

اعمال عبارات دلخواه بر روی نمونه‌ها در حوزه فرکانس.

real

تنظیم عبارت بخش حقیقی (real) در حوزه فرکانس برای هر کانال مجزا با تفکیک توسط '|'. پیش‌فرض "re" است. اگر تعداد کانال‌های ورودی بیشتر از تعداد عبارات باشد، آخرین عبارت تعیین‌شده برای کانال‌های خروجی باقیمانده به کار می‌رود.

imag

تنظیم عبارت بخش موهومی (imaginary) در حوزه فرکانس برای هر کانال مجزا با تفکیک توسط '|'. پیش‌فرض "im" است.

هر عبارت در real و imag می‌تواند شامل ثوابت و توابع زیر باشد:

win_size

تنظیم اندازه پنجره. محدوده مجاز از 16 تا 131072 است. پیش‌فرض 4096 است.

win_func

تنظیم تابع پنجره.

این گزینه مقادیر زیر را می‌پذیرد:

overlap

تنظیم همپوشانی پنجره. در صورت تنظیم روی 1، همپوشانی توصیه‌شده برای تابع پنجره انتخاب‌شده برگزیده می‌شود. پیش‌فرض 0.75 است.

مثال‌ها (Examples)

• باقی گذاشتن تقریباً فقط فرکانس‌های پایین در صدا:

  afftfilt="'real=re * (1-clip((b/nb)*b,0,1))':imag='im * (1-clip((b/nb)*b,0,1))'"

• اعمال جلوه روباتیک کردن:

  afftfilt="real='hypot(re,im)*sin(0)':imag='hypot(re,im)*cos(0)':win_size=512:overlap=0.75"

• اعمال جلوه نجوا (زمزمه):

  afftfilt="real='hypot(re,im)*cos((random(0)*2-1)*2*3.14)':imag='hypot(re,im)*sin((random(1)*2-1)*2*3.14)':win_size=128:overlap=0.8"

• اعمال شیفت فاز:

  afftfilt="real=re*cos(1)-im*sin(1):imag=re*sin(1)+im*cos(1)"

afir

اعمال یک فیلتر دلخواه با پاسخ ضربه متناهی (FIR).

این فیلتر برای اعمال فیلترهای طولانی FIR طراحی شده است، تا طول حداکثر ۶۰ ثانیه.

می‌توان از آن به عنوان جزئی برای فیلترهای کراس‌اوور دیجیتال، اکولایزاسیون محیط (اتاق)، حذف تداخل صوتی (cross talk)، سنتز میدان صوتی (wavefield synthesis)، شنیداری‌سازی (auralization)، آمبیوفونیک، آمبیسونیک و فضاسازی (spatialization) استفاده کرد.

این فیلتر از جریان‌های بعد از جریان اول به عنوان ضرایب FIR استفاده می‌کند. اگر جریان غیراول شامل یک تک کانال باشد، برای تمام کانال‌های ورودی در جریان اول استفاده خواهد شد، در غیر این صورت تعداد کانال‌ها در جریان غیراول باید برابر با تعداد کانال‌های جریان اول باشد.

این فیلتر پارامترهای زیر را می‌پذیرد:

dry

تنظیم بهره سیگنال دست‌نخورده (dry). این گزینه بهره ورودی را تنظیم می‌کند.

wet

تنظیم بهره سیگنال فیلترشده (wet). این گزینه بهره خروجی نهایی را تنظیم می‌کند.

length

تنظیم طول فیلتر پاسخ ضربه (IR). پیش‌فرض 1 است، به این معنی که کل IR پردازش می‌شود.

gtype

این گزینه منسوخ شده است و هیچ کاری انجام نمی‌دهد.

irnorm

تنظیم نرم اعمالی بر ضرایب IR قبل از فیلترسازی. محدوده مجاز از -1 تا 2 است. ضرایب IR با نرم بردار محاسبه‌شده که توسط این گزینه تعیین گردیده نرمال‌سازی می‌شوند. برای مقادیر منفی، هیچ نرمی محاسبه نشده و ضرایب IR اصلاً دستکاری نمی‌شوند. پیش‌فرض 1 است.

irlink

برای IR چندکاناله، اگر این گزینه روی true تنظیم شود، تمام کانال‌های IR با حداکثر بهره اندازه‌گیری‌شده ضرایب تمامی کانال‌های IR همان‌طور که با گزینه "irnorm" تنظیم شده نرمال‌سازی خواهند شد. در صورت غیرفعال بودن، تمام ضرایب IR در هر کانال IR به طور مستقل نرمال‌سازی می‌شوند. پیش‌فرض true است.

irgain

تنظیم بهره اعمالی بر ضرایب IR قبل از فیلترسازی. محدوده مجاز 0 تا 1 است. این بهره پس از هرگونه بهره اعمال‌شده توسط گزینه irnorm اعمال می‌شود.

irfmt

تنظیم فرمت جریان IR. می‌تواند "mono" یا "input" باشد. پیش‌فرض "input" است.

maxir

تنظیم حداکثر مدت مجاز فیلتر پاسخ ضربه بر حسب ثانیه. پیش‌فرض 30 ثانیه است. محدوده مجاز 0.1 تا 60 ثانیه است.

response

این گزینه منسوخ شده است و کاری انجام نمی‌دهد.

channel

این گزینه منسوخ شده است و کاری انجام نمی‌دهد.

size

این گزینه منسوخ شده است و کاری انجام نمی‌دهد.

rate

این گزینه منسوخ شده است و کاری انجام نمی‌دهد.

minp

تنظیم حداقل اندازه پارتیشن برای کانولوشن. پیش‌فرض 8192 است. محدوده مجاز از 1 تا 65536 است. مقادیر کمتر میزان تاخیر را به بهای مصرف بالاتر CPU کاهش می‌دهند.

maxp

تنظیم حداکثر اندازه پارتیشن برای کانولوشن. پیش‌فرض 8192 است. محدوده مجاز از 8 تا 65536 است. مقادیر کمتر ممکن است مصرف CPU را افزایش دهند.

nbirs

تنظیم تعداد جریان‌های پاسخ ضربه ورودی که در زمان اجرا قابل تعویض هستند. محدوده مجاز از 1 تا 32 است. پیش‌فرض 1 است.

ir

تنظیم جریان IR مورد استفاده برای کانولوشن، با شروع از 0، که همیشه باید کمتر از مقدار تعیین‌شده توسط گزینه "nbirs" باشد. پیش‌فرض 0 است. این گزینه می‌تواند در حین اجرا از طریق commands تغییر یابد.

precision

تنظیم میزان دقتی که هنگام پردازش نمونه‌ها استفاده می‌شود.

irload

تنظیم زمان بارگذاری جریان IR. می‌تواند "init" یا "access" باشد. گزینه نخست تمام IRها را هنگام مقداردهی اولیه بارگذاری و آماده می‌کند، گزینه دوم یک‌بار در اولین دسترسی به IR مشخص این کار را انجام می‌دهد. پیش‌فرض "init" است.

مثال‌ها (Examples)

• اعمال ریورب به جریان با استفاده از فایل تک‌کاناله IR به عنوان ورودی دوم، دستور کامل با استفاده از ffmpeg:

  ffmpeg -i input.wav -i middle_tunnel_1way_mono.wav -lavfi afir output.wav

• اعمال پردازش استریوی واقعی با جریان ورودی استریو، و دو پاسخ ضربه استریو برای کانال‌های چپ و راست؛ فایل‌های پاسخ ضربه فایل‌هایی با نام l_ir.wav و r_ir.wav هستند و مقدار گزینه irnorm تنظیم شده است:

  "pan=4C|c0=FL|c1=FL|c2=FR|c3=FR[a];amovie=l_ir.wav[LIR];amovie=r_ir.wav[RIR];[LIR][RIR]amerge[ir];[a][ir]afir=irfmt=input:irnorm=1.2,pan=stereo|FL<c0+c2|FR<c1+c3"

• مشابه مثال بالا، اما با تنظیم صریح "irgain" بر روی مقدار تخمینی و با غیرفعال بودن "irnorm":

  "pan=4C|c0=FL|c1=FL|c2=FR|c3=FR[a];amovie=l_ir.wav[LIR];amovie=r_ir.wav[RIR];[LIR][RIR]amerge[ir];[a][ir]afir=irfmt=input:irgain=-5dB:irnom=-1,pan=stereo|FL<c0+c2|FR<c1+c3"

aformat

تنظیم محدودیت‌های فرمت خروجی برای صدای ورودی. چارچوب مربوطه مناسب‌ترین فرمت را به منظور به حداقل رساندن تبدیل‌ها تطبیق خواهد داد.

این فیلتر پارامترهای زیر را می‌پذیرد:

sample_fmts, f

فهرستی جداشده با '|' از فرمت‌های نمونه درخواستی.

sample_rates, r

فهرستی جداشده با '|' از نرخ‌های نمونه‌برداری درخواستی.

channel_layouts, cl

فهرستی جداشده با '|' از چیدمان‌های کانال درخواستی.

برای نحو مورد نیاز به بخش Channel Layout در راهنمای ffmpeg-utils(1) مراجعه کنید.

در صورت حذف یک پارامتر، تمام مقادیر مجاز خواهند بود.

اجبار خروجی به استریوی 8 بیتی بدون علامت یا 16 بیتی علامت‌دار:

aformat=sample_fmts=u8|s16:channel_layouts=stereo

afreqshift

اعمال انتقال فرکانس (frequency shift) بر روی نمونه‌های صوتی ورودی.

این فیلتر گزینه‌های زیر را می‌پذیرد:

shift

تعیین میزان انتقال فرکانس. محدوده مجاز از -INT_MAX تا INT_MAX است. مقدار پیش‌فرض 0.0 است.

level

تنظیم بهره خروجی اعمالی بر خروجی نهایی. محدوده مجاز از 0.0 تا 1.0 است. مقدار پیش‌فرض 1.0 است.

order

تنظیم مرتبه فیلتر مورد استفاده برای فیلترسازی. محدوده مجاز از 1 تا 16 است. مقدار پیش‌فرض 8 است.

دستورات (Commands)

این فیلتر از تمامی گزینه‌های بالا به عنوان commands پشتیبانی می‌کند.

afwtdn

کاهش نویز باند‌پهن از نمونه‌های ورودی با استفاده از تبدیل ویولت (Wavelets).

شرح گزینه‌های پذیرفته‌شده در ادامه آمده است.

sigma

تنظیم سیگمای نویز، محدوده مجاز از 0 تا 1 است. مقدار پیش‌فرض 0 است. این گزینه شدت نویززدایی اعمالی بر نمونه‌های ورودی را کنترل می‌کند. مفیدترین راه برای تنظیم این گزینه از طریق دسی‌بل است، مثلاً -45dB.

levels

تنظیم تعداد سطوح تجزیه ویولت. محدوده مجاز از 1 تا 12 است. مقدار پیش‌فرض 10 است. تنظیم این گزینه روی مقدار بسیار کم باعث عملکرد بسیار ضعیف در نویززدایی می‌شود.

wavet

تنظیم نوع ویولت برای تجزیه فریم ورودی. آنها بر اساس تعداد ضرایب، از کمترین به بیشترین مرتب شده‌اند. ضرایب بیشتر به معنای سرعت کمتر در فیلترسازی، اما در کل کیفیت بهتر است. ویولت‌های موجود عبارتند از:

percent

تنظیم درصد نویززدایی کامل. محدوده مجاز از 0 تا 100 درصد است. مقدار پیش‌فرض 85 درصد یا نویززدایی جزئی است.

profile

در صورت فعال بودن، نخستین فریم ورودی به عنوان نمایه (پروفایل) نویز استفاده خواهد شد. اگر نمونه‌های فریم اول حاوی سیگنال غیر‌نویز باشند کارایی بسیار ضعیف خواهد بود.

adaptive

در صورت فعال بودن، فریم‌های ورودی برای بررسی حضور نویز تحلیل می‌شوند. اگر نویز با احتمال بالا شناسایی شود، نمایه فریم ورودی برای پردازش فریم‌های بعدی استفاده خواهد شد، تا زمانی که فریم نویز جدیدی شناسایی شود.

samples

تنظیم اندازه فریم منفرد بر حسب تعداد نمونه‌ها. محدوده مجاز از 512 تا 65536 است. اندازه فریم پیش‌فرض 8192 نمونه است.

softness

تنظیم نرمی اعمال‌شده درون تابع آستانه‌گذاری. محدوده مجاز از 0 تا 10 است. نرمی پیش‌فرض 1 است.

دستورات (Commands)

این فیلتر از تمامی گزینه‌های بالا به عنوان commands پشتیبانی می‌کند.

agate

گیت (gate) عمدتاً برای کاهش بخش‌های ضعیف‌تر یک سیگنال استفاده می‌شود. این نوع پردازش سیگنال، نویزهای مزاحم میان سیگنال‌های مفید را کاهش می‌دهد.

گیتینگ از طریق تشخیص سطح بلندی زیر یک threshold (آستانه) انتخابی و تقسیم آن بر ضریب تعیین‌شده با ratio انجام می‌شود. کف نویز از طریق range تعیین می‌شود. از آنجا که دستکاری دقیق سیگنال باعث اعوجاج شکل موج می‌گردد، می‌توان کاهش را در طول زمان تسطیح کرد. این کار با تنظیم attack و release صورت می‌گیرد.

پارامتر attack مشخص می‌کند سیگنال چه مدت باید زیر آستانه بماند پیش از آنکه کاهشی رخ دهد، و release زمانی را تعیین می‌کند که سیگنال باید بالای آستانه باشد تا میزان کاهش دوباره تقلیل یابد. سیگنال‌های کوتاه‌تر از زمان حمله انتخاب‌شده دست‌نخورده باقی خواهند ماند.

level_in

تنظیم سطح ورودی پیش از فیلترسازی. پیش‌فرض 1 است. محدوده مجاز از 0.015625 تا 64 است.

mode

تنظیم حالت عملکرد. می‌تواند "upward" یا "downward" باشد. پیش‌فرض "downward" است. اگر روی حالت "upward" تنظیم شود، بخش‌های بالاتر سیگنال تقویت شده و محدوده دینامیکی در جهت بالا گسترش می‌یابد. در غیر این صورت، در حالت "downward" بخش‌های ضعیف‌تر سیگنال کاهش می‌یابند.

range

تنظیم سطح کاهش بهره هنگامی که سیگنال زیر آستانه است. پیش‌فرض 0.06125 است. محدوده مجاز از 0 تا 1 است. تنظیم این گزینه روی 0 کاهش را غیرفعال می‌کند و فیلتر مانند یک اکسپندر رفتار خواهد کرد.

threshold

اگر سیگنال به بالای این سطح برسد، کاهش بهره متوقف (رها) می‌شود. پیش‌فرض 0.125 است. محدوده مجاز از 0 تا 1 است.

ratio

تنظیم نسبتی که سیگنال با آن کاهش می‌یابد. پیش‌فرض 2 است. محدوده مجاز از 1 تا 9000 است.

attack

مدت زمان بر حسب میلی‌ثانیه که سیگنال باید بالای آستانه برود پیش از آنکه کاهش بهره متوقف شود. پیش‌فرض 20 میلی‌ثانیه است. محدوده مجاز از 0.01 تا 9000 است.

release

مدت زمان بر حسب میلی‌ثانیه که سیگنال باید زیر آستانه بیفتد پیش از آنکه کاهش دوباره افزایش یابد. پیش‌فرض 250 میلی‌ثانیه است. محدوده مجاز از 0.01 تا 9000 است.

makeup

تنظیم میزان تقویت سیگنال پس از پردازش. پیش‌فرض 1 است. محدوده مجاز از 1 تا 64 است.

knee

منحنی کردن زانوی تیز در اطراف آستانه به منظور ورود نرم‌تر به کاهش بهره. پیش‌فرض 2.828427125 است. محدوده مجاز از 1 تا 8 است.

detection

انتخاب اینکه آیا سیگنال دقیق برای تشخیص لحاظ شود یا سیگنالی شبیه RMS. پیش‌فرض "rms" است. می‌تواند "peak" یا "rms" باشد.

link

انتخاب اینکه آیا میانگین سطح میان تمام کانال‌ها بر کاهش اثر بگذارد یا کانال بلندتر. پیش‌فرض "average" است. می‌تواند "average" یا "maximum" باشد.

دستورات (Commands)

این فیلتر از تمامی گزینه‌های بالا به عنوان commands پشتیبانی می‌کند.

aiir

اعمال یک فیلتر دلخواه با پاسخ ضربه نامتناهی (IIR).

این فیلتر پارامترهای زیر را می‌پذیرد:

zeros, z

تنظیم ضرایب B/صورت/صفرها/انعکاس (reflection).

poles, p

تنظیم ضرایب A/مخرج/قطب‌ها/نردبانی (ladder).

gains, k

تنظیم بهره‌های کانال‌ها.

dry_gain

تنظیم بهره ورودی (سیگنال دست‌نخورده).

wet_gain

تنظیم بهره خروجی (سیگنال فیلترشده).

format, f

تنظیم فرمت ضرایب.

process, r

تنظیم نوع پردازش.

precision, e

تنظیم دقت فیلترسازی.

normalize, n

نرمال‌سازی ضرایب فیلتر؛ به طور پیش‌فرض فعال است. فعال کردن آن پاسخ دامنه در DC را روی 0dB نرمال می‌کند.

mix

میزان استفاده از سیگنال فیلترشده در خروجی. پیش‌فرض 1 است. محدوده بین 0 و 1 است.

response

نمایش پاسخ فرکانسی IR، شامل دامنه (سرخابی)، فاز (سبز) و تاخیر گروهی (زرد) در جریان ویدیویی اضافی. به طور پیش‌فرض غیرفعال است.

channel

تنظیم اینکه پاسخ فرکانسی برای کدام کانال IR نمایش داده شود. به طور پیش‌فرض کانال نخست نمایش داده می‌شود. این گزینه تنها زمانی استفاده می‌شود که response فعال باشد.

size

تنظیم اندازه جریان ویدیو. این گزینه تنها زمانی استفاده می‌شود که response فعال باشد.

ضرایب در فرمت‌های "tf" و "sf" با فاصله از هم جدا می‌شوند و به ترتیب صعودی هستند.

ضرایب در فرمت "zp" با فاصله از هم جدا می‌شوند و ترتیب ضرایب اهمیتی ندارد. ضرایب در فرمت "zp" اعداد مختلط با واحد موهومی i هستند.

ضرایب و بهره‌های متفاوت می‌توانند برای هر کانال ارائه شوند، در این حالت از '|' برای تفکیک ضرایب یا بهره‌ها استفاده کنید. آخرین ضرایب ارائه‌شده برای تمام کانال‌های باقیمانده به کار خواهند رفت.

مثال‌ها (Examples)

• اعمال فیلتر شکافی (notch) بیضوی ۲ قطبی در حدود ۵۰۰۰ هرتز برای نرخ نمونه‌برداری ۴۸۰۰۰ هرتز:

  aiir=k=1:z=7.957584807809675810E-1 -2.575128568908332300 3.674839853930788710 -2.57512875289799137 7.957586296317130880E-1:p=1 -2.86950072432325953 3.63022088054647218 -2.28075678147272232 6.361362326477423500E-1:f=tf:r=d

• مشابه مثال بالا اما در فرمت "zp":

  aiir=k=0.79575848078096756:z=0.80918701+0.58773007i 0.80918701-0.58773007i 0.80884700+0.58784055i 0.80884700-0.58784055i:p=0.63892345+0.59951235i 0.63892345-0.59951235i 0.79582691+0.44198673i 0.79582691-0.44198673i:f=zp:r=s

• اعمال فیلتر پایین‌گذر باترورث نرمال‌شده آنالوگ مرتبه ۳، با استفاده از فرمت تابع انتقال آنالوگ:

  aiir=z=1.3057 0 0 0:p=1.3057 2.3892 2.1860 1:f=sf:r=d

alimiter

لیمیتور از بالا رفتن سیگنال ورودی از یک آستانه مطلوب جلوگیری می‌کند. این لیمیتور از فناوری نگاه‌به‌جلو (lookahead) بهره می‌برد تا از اعوجاج سیگنال شما جلوگیری نماید. بدین معنی که پس از پردازش سیگنال، تأخیر کوچکی وجود دارد. به یاد داشته باشید که تأخیری که ایجاد می‌کند، همان زمان حمله (attack) تعیین‌شده است.

این فیلتر گزینه‌های زیر را می‌پذیرد:

level_in

تنظیم بهره ورودی. پیش‌فرض 1 است.

level_out

تنظیم بهره خروجی. پیش‌فرض 1 است.

limit

اجازه ندادن به سیگنال‌های بالاتر از این سطح جهت عبور از لیمیتور. پیش‌فرض 1 است.

attack

لیمیتور در این مقدار زمان بر حسب میلی‌ثانیه به سطح تضعیف خود خواهد رسید. پیش‌فرض 5 میلی‌ثانیه است.

release

بازگشت از حالت محدودسازی به ضریب تضعیف 1.0 در این مقدار زمان بر حسب میلی‌ثانیه. پیش‌فرض 50 میلی‌ثانیه است.

asc

هنگامی که کاهش بهره همواره مورد نیاز باشد، کنترل خودکار رهاسازی (ASC) وظیفه رهاسازی به یک سطح کاهش میانگین را به جای رسیدن به کاهش 0 در زمان رهاسازی بر عهده می‌گیرد.

asc_level

انتخاب میزان اثرگذاری ASC بر زمان رهاسازی؛ مقدار 0 به معنای تقریباً بدون تغییر در زمان رهاسازی است در حالی که 1 زمان‌های رهاسازی بالاتری تولید می‌کند.

level

تراز خودکار سطح سیگنال خروجی. به طور پیش‌فرض فعال است. در صورت فعال بودن، این گزینه صدا را به 0dB نرمال‌سازی می‌کند.

latency

جبران تأخیر ایجادشده بر اثر بافر نگاه‌به‌جلو که توسط پارامتر attack تنظیم شده است. همچنین تخلیه داده‌های معتبر صوتی در بافر نگاه‌به‌جلو هنگامی که جریان به انتهای فایل (EOF) می‌رسد.

بسته به تنظیمات برگزیده، پیشنهاد می‌شود پیش از اعمال این فیلتر، نرخ نمونه‌برداری ورودی را با aresample به میزان 2x یا 4x افزایش دهید.

allpass

اعمال یک فیلتر همه‌گذر دو قطبی با فرکانس مرکزی (بر حسب هرتز) frequency، و پهنای فیلتر width. یک فیلتر همه‌گذر رابطه فرکانس به فاز صدا را بدون تغییر رابطه فرکانس به دامنه آن دگرگون می‌سازد.

این فیلتر گزینه‌های زیر را می‌پذیرد:

frequency, f

تنظیم فرکانس بر حسب هرتز.

width_type, t

تنظیم روش تعیین پهنای باند فیلتر.

width, w

تعیین پهنای باند یک فیلتر در واحدهای width_type.

mix, m

میزان استفاده از سیگنال فیلترشده در خروجی. پیش‌فرض 1 است. محدوده بین 0 و 1 است.

channels, c

تعیین کانال‌ها جهت فیلترسازی؛ به طور پیش‌فرض تمام کانال‌های موجود فیلتر می‌شوند.

normalize, n

نرمال‌سازی ضرایب biquad؛ به طور پیش‌فرض غیرفعال است. فعال کردن آن پاسخ دامنه در DC را روی 0dB نرمال می‌کند.

order, o

تنظیم مرتبه فیلتر، می‌تواند 1 یا 2 باشد. پیش‌فرض 2 است.

transform, a

تنظیم نوع تبدیل فیلتر IIR.

precision, r

تنظیم دقت فیلترسازی.

دستورات (Commands)

این فیلتر از دستورات زیر پشتیبانی می‌کند:

frequency, f

تغییر فرکانس همه‌گذر. نحو دستور عبارت است از: "frequency"

width_type, t

تغییر width_type همه‌گذر. نحو دستور عبارت است از: "width_type"

width, w

تغییر پهنای همه‌گذر. نحو دستور عبارت است از: "width"

mix, m

تغییر mix همه‌گذر. نحو دستور عبارت است از: "mix"

aloop

حلقه کردن نمونه‌های صوتی.

این فیلتر گزینه‌های زیر را می‌پذیرد:

loop

تنظیم تعداد دورهای حلقه. تنظیم این مقدار روی -1 منجر به حلقه‌های نامحدود می‌شود. پیش‌فرض 0 است.

size

تنظیم حداکثر تعداد نمونه‌ها. پیش‌فرض 0 است.

start

تنظیم نخستین نمونه حلقه. پیش‌فرض 0 است.

time

تنظیم زمان شروع حلقه بر حسب ثانیه. تنها زمانی استفاده می‌شود که گزینه موسوم به start روی -1 تنظیم شده باشد.

amerge

ادغام دو یا چند جریان صوتی در یک جریان چندکاناله واحد.

تمام ورودی‌ها باید نرخ نمونه‌برداری و فرمت یکسانی داشته باشند.

اگر مدت‌زمان ورودی‌ها یکسان نباشد، خروجی همگام با کوتاه‌ترین جریان متوقف خواهد شد.

این فیلتر گزینه‌های زیر را می‌پذیرد:

inputs

تنظیم تعداد ورودی‌ها. پیش‌فرض 2 است.

layout_mode

این گزینه نحوه تعیین چیدمان کانال‌های خروجی و بازآرایی احتمالی کانال‌های صوتی حین ادغام را کنترل می‌کند.

مثال‌ها (Examples)

• ادغام دو فایل مونو به یک جریان استریو:

  amovie=left.wav [l] ; amovie=right.mp3 [r] ; [l] [r] amerge

• چندین ادغام با فرض ۱ جریان ویدیو و ۶ جریان صدا در input.mkv:

  ffmpeg -i input.mkv -filter_complex "[0:1][0:2][0:3][0:4][0:5][0:6] amerge=inputs=6" -c:a pcm_s16le output.mkv

amix

میکس چندین ورودی صوتی درون یک خروجی منفرد.

توجه داشته باشید که این فیلتر تنها از نمونه‌های ممیز شناور پشتیبانی می‌کند (فیلترهای صوتی amerge و pan از فرمت‌های زیادی پشتیبانی دارند). اگر ورودی amix دارای نمونه‌های عدد صحیح باشد، فیلتر aresample به طور خودکار درج می‌شود تا تبدیل به نمونه‌های شناور را انجام دهد.

این فیلتر پارامترهای زیر را می‌پذیرد:

inputs

تعداد ورودی‌ها. در صورت عدم تعیین، مقدار پیش‌فرض 2 است.

duration

نحوه تعیین پایان جریان (end-of-stream).

dropout_transition

زمان گذار بر حسب ثانیه، برای بازنرمال‌سازی حجم صدا هنگامی که یک جریان ورودی خاتمه می‌یابد. مقدار پیش‌فرض 2 ثانیه است.

weights

تعیین وزن هر جریان صوتی ورودی به صورت دنباله‌ای از اعداد جداشده با فاصله. اگر وزن‌های کمتری نسبت به تعداد ورودی‌ها مشخص شود، آخرین وزن به ورودی‌های باقیمانده اختصاص می‌یابد. وزن پیش‌فرض برای هر ورودی 1 است.

normalize

مقیاس‌بندی همیشگی ورودی‌ها به جای انجام صرف جمع نمونه‌ها. در صورتی که ورودی‌ها قبل یا بعد از فیلترسازی نرمال‌سازی نشده باشند و این گزینه غیرفعال باشد، مراقب اعوجاج و برش شدید (heavy clipping) باشید. به طور پیش‌فرض فعال است.

مثال‌ها (Examples)

• این دستور ۳ جریان صوتی ورودی را به یک خروجی واحد با همان مدت زمان ورودی نخست و زمان گذار افت ۳ ثانیه میکس می‌کند:

  ffmpeg -i INPUT1 -i INPUT2 -i INPUT3 -filter_complex amix=inputs=3:duration=first:dropout_transition=3 OUTPUT

• این دستور یک جریان ورودی وکال و یک جریان ورودی موسیقی را درون یک خروجی واحد با مدت زمان طولانی‌ترین ورودی میکس می‌کند. صدای موسیقی یک‌چهارم صدای وکال وزن خواهد داشت، و ورودی‌ها نرمال‌سازی نمی‌شوند:

  ffmpeg -i VOCALS -i MUSIC -filter_complex amix=inputs=2:duration=longest:dropout_transition=0:weights="1 0.25":normalize=0 OUTPUT

دستورات (Commands)

این فیلتر از دستورات زیر پشتیبانی می‌کند:

weights

normalize

نحو مشابه گزینه با همین نام است.

amultiply

ضرب جریان صوتی نخست در جریان صوتی دوم و ذخیره نتیجه در جریان صوتی خروجی. عمل ضرب از طریق ضرب هر نمونه از جریان نخست در نمونه واقع در همان موقعیت از جریان دوم انجام می‌شود.

با این ضرب مؤلفه‌به‌مؤلفه (element-wise)، می‌توان اثرات محو شدن دامنه (amplitude fades) و مدولاسیون دامنه (amplitude modulations) ایجاد کرد.

anequalizer

اکولایزر چندبانده پارامتریک مرتبه بالا برای هر کانال.

این فیلتر پارامترهای زیر را می‌پذیرد:

params

رشته این گزینه در این قالب است: "cchn f=cf w=w g=g t=f | ..." هر باند اکولایزر با '|' تفکیک می‌شود.

curves

با فعال‌سازی این گزینه، پاسخ فرکانسی anequalizer در یک جریان ویدیویی نمایش داده می‌شود.

size

تنظیم اندازه جریان ویدیو. تنها در صورتی سودمند است که گزینه curves فعال باشد.

mgain

تنظیم حداکثر بهره‌ای که نمایش داده خواهد شد. تنها در صورتی سودمند است که گزینه curves فعال باشد. تنظیم این مقدار بر روی یک عدد معقول، امکان نمایش بهره ناشی از باندهای همسایه را فراهم می‌سازد که بسیار به یکدیگر نزدیک هستند و از این رو هنگام فعال بودن هر دو، بهره بالاتری ایجاد می‌کنند.

fscale

تنظیم مقیاس فرکانس برای ترسیم پاسخ فرکانسی در خروجی ویدیو. می‌تواند خطی (linear) یا لگاریتمی (logarithmic) باشد. پیش‌فرض لگاریتمی است.

colors

تنظیم رنگ منحنی هر کانال که قرار است در جریان ویدیویی نمایش یابد. این یک فهرست از نام رنگ‌هاست که با فاصله یا با '|' جدا شده‌اند. رنگ‌های ناشناخته یا جاافتاده با رنگ سفید جایگزین خواهند شد.

مثال‌ها (Examples)

•

کاهش بهره به میزان 10 برای فرکانس مرکزی 200 هرتز و پهنای 100 هرتز برای ۲ کانال نخست با استفاده از فیلتر چبیشف نوع ۱:

anequalizer=c0 f=200 w=100 g=-10 t=1|c1 f=200 w=100 g=-10 t=1

دستورات (Commands)

این فیلتر از دستورات زیر پشتیبانی می‌کند:

change

تغییر پارامترهای فیلتر موجود. نحو دستورات عبارت است از: "fN|f=freq|w=width|g=gain"

شناسه fN شماره فیلتر موجود است، با شروع از 0؛ در صورت نبود چنین فیلتری خطا بازگردانده می‌شود. freq پارامتر فرکانس جدید را تنظیم می‌کند. width پارامتر پهنای جدید را بر حسب هرتز تنظیم می‌کند. gain پارامتر بهره جدید را بر حسب دسی‌بل تنظیم می‌کند.

فراخوانی کامل فیلتر با asendcmd می‌تواند شبیه به این باشد: asendcmd=c='4.0 anequalizer change 0|f=200|w=50|g=1',anequalizer=...

anlmdn

کاهش نویز باند‌پهن در نمونه‌های صوتی با بهره‌گیری از الگوریتم میانگین‌های غیرمحلی (Non-Local Means).

هر نمونه با جستجو برای دیگر نمونه‌ها با زمینه‌های مشابه تطبیق داده می‌شود. این شباهت زمینه با مقایسه وصله‌های (patches) پیرامونی آنها به اندازه p تعریف می‌گردد. وصله‌ها در ناحیه‌ای به شعاع r پیرامون نمونه جستجو می‌شوند.

این فیلتر گزینه‌های زیر را می‌پذیرد:

strength, s

تنظیم شدت نویززدایی. محدوده مجاز از 0.00001 تا 10000 است. مقدار پیش‌فرض 0.00001 است.

patch, p

تنظیم مدت زمان شعاع وصله. محدوده مجاز از 1 تا 100 میلی‌ثانیه است. مقدار پیش‌فرض 2 میلی‌ثانیه است.

research, r

تنظیم مدت زمان شعاع جستجو. محدوده مجاز از 2 تا 300 میلی‌ثانیه است. مقدار پیش‌فرض 6 میلی‌ثانیه است.

output, o

تنظیم حالت خروجی.

این گزینه مقادیر زیر را می‌پذیرد:

smooth, m

تنظیم ضریب هموارسازی. مقدار پیش‌فرض 11 است. محدوده مجاز از 1 تا 1000 است.

دستورات (Commands)

این فیلتر از تمامی گزینه‌های بالا به عنوان commands پشتیبانی می‌کند.

anlmf, anlms

اعمال الگوریتم حداقل میانگین (مربعات|توان چهارم) نرمال‌شده بر جریان صوتی اول با استفاده از جریان صوتی دوم.

این فیلتر تطبیقی جهت تقلید از یک فیلتر مطلوب با یافتن ضرایب فیلتری به کار می‌رود که مربوط به تولید حداقل میانگین مربعات سیگنال خطا هستند (تفاضل میان ورودی صوتی دوم مطلوب و سیگنال واقعی، یعنی ورودی صوتی اول).

شرح گزینه‌های پذیرفته‌شده در ادامه آمده است.

order

تنظیم مرتبه فیلتر.

mu

تنظیم مقدار mu فیلتر.

eps

تنظیم مقدار eps فیلتر.

leakage

تنظیم ضریب نشتی (leakage) فیلتر.

out_mode

این گزینه مقادیر زیر را می‌پذیرد:

precision

تنظیم میزان دقت مورد استفاده حین پردازش نمونه‌ها.

مثال‌ها (Examples)

•

یکی از کاربردهای پرشمار این فیلتر کاهش نویز است؛ صدای ورودی با همان نمونه‌هایی فیلتر می‌شود که به مقدار ثابتی به تأخیر افتاده‌اند، نمونه‌ای از آن برای صدای استریو:

asplit[a][b],[a]adelay=32S|32S[a],[b][a]anlms=order=128:leakage=0.0005:mu=.5:out_mode=o

دستورات (Commands)

این فیلتر از دستوراتی مشابه گزینه‌ها به استثنای گزینه "order" پشتیبانی می‌کند.

anull

عبور دادن منبع صوتی بدون تغییر به خروجی.

apad

پد کردن انتهای جریان صوتی با سکوت.

این گزینه می‌تواند همراه با -shortest در ffmpeg به کار رود تا جریان‌های صوتی را تا طولی برابر با جریان ویدیو بسط دهد.

شرح گزینه‌های پذیرفته‌شده در ادامه آمده است.

packet_size

تنظیم اندازه بسته سکوت. مقدار پیش‌فرض 4096 است.

pad_len

تنظیم تعداد نمونه‌های سکوت جهت افزودن به انتها. پس از رسیدن به این مقدار، جریان خاتمه می‌یابد. این گزینه با whole_len مانعةالجمع است.

whole_len

تنظیم حداقل تعداد کل نمونه‌ها در جریان صوتی خروجی. اگر این مقدار بزرگتر از طول صدای ورودی باشد، سکوت به انتها اضافه می‌شود تا به این مقدار برسد. این گزینه با pad_len مانعةالجمع است.

pad_dur

تعیین مدت زمان نمونه‌های سکوت جهت اضافه شدن. برای نحو پذیرفته‌شده به بخش Time duration در راهنمای ffmpeg-utils(1) مراجعه کنید. تنها زمانی که روی مقدار نامنفی تنظیم شود به کار می‌رود.

whole_dur

تعیین حداقل مدت زمان کل در جریان صوتی خروجی. برای نحو پذیرفته‌شده به بخش Time duration در راهنمای ffmpeg-utils(1) مراجعه کنید. تنها زمانی به کار می‌رود که روی مقدار نامنفی تنظیم شود. اگر مقدار بزرگتر از طول صدای ورودی باشد، سکوت به انتها افزوده می‌شود تا به آن مقدار برسد. این گزینه با pad_dur مانعةالجمع است.

اگر هیچ یک از گزینه‌های pad_len، whole_len، pad_dur یا whole_dur تنظیم نشوند، فیلتر سکوت را به صورت نامحدود به انتهای جریان ورودی اضافه خواهد کرد.

توجه داشته باشید که در ffmpeg 4.4 و پیش از آن، مقدار صفر برای pad_dur یا whole_dur نیز باعث می‌شد فیلتر سکوت را به طور نامحدود اضافه کند.

مثال‌ها (Examples)

• افزودن ۱۰۲۴ نمونه سکوت به انتهای ورودی:

  apad=pad_len=1024

• اطمینان از اینکه خروجی صدا حداقل شامل ۱۰۰۰۰ نمونه باشد، و در صورت لزوم پد کردن ورودی با سکوت:

  apad=whole_len=10000

• استفاده از ffmpeg برای پد کردن ورودی صدا با سکوت، به طوری که جریان ویدیو همواره کوتاه‌ترین نتیجه را بدهد و هنگام استفاده از گزینه shortest در فایل خروجی تا انتها تبدیل شود:

  ffmpeg -i VIDEO -i AUDIO -filter_complex "[1:0]apad" -shortest OUTPUT

aphaser

افزودن جلوه فیزر (phasing) به صدای ورودی.

فیلتر فیزر مجموعه‌ای از قله‌ها و دره‌ها در طیف فرکانسی ایجاد می‌کند. موقعیت قله‌ها و دره‌ها مدوله می‌شود تا در طول زمان تغییر کنند و یک جلوه روبش (sweeping) پدید آورند.

شرح پارامترهای پذیرفته‌شده در ادامه آمده است.

in_gain

تنظیم بهره ورودی. پیش‌فرض 0.4 است.

out_gain

تنظیم بهره خروجی. پیش‌فرض 0.74 است.

delay

تنظیم تاخیر بر حسب میلی‌ثانیه. پیش‌فرض 3.0 است.

decay

تنظیم میرایی (decay). پیش‌فرض 0.4 است.

speed

تنظیم سرعت مدولاسیون بر حسب هرتز. پیش‌فرض 0.5 است.

type

تنظیم نوع مدولاسیون. پیش‌فرض مثلثی (triangular) است.

این گزینه مقادیر زیر را می‌پذیرد:

aphaseshift

اعمال شیفت فاز بر روی نمونه‌های صوتی ورودی.

این فیلتر گزینه‌های زیر را می‌پذیرد:

shift

تعیین شیفت فاز. محدوده مجاز از -1.0 تا 1.0 است. مقدار پیش‌فرض 0.0 است.

level

تنظیم بهره خروجی اعمالی بر خروجی نهایی. محدوده مجاز از 0.0 تا 1.0 است. مقدار پیش‌فرض 1.0 است.

order

تنظیم مرتبه فیلتر مورد استفاده برای فیلترسازی. محدوده مجاز از 1 تا 16 است. مقدار پیش‌فرض 8 است.

دستورات (Commands)

این فیلتر از تمامی گزینه‌های بالا به عنوان commands پشتیبانی می‌کند.

apsnr

اندازه‌گیری نسبت اوج سیگنال صوتی به نویز (Audio Peak Signal-to-Noise Ratio).

این فیلتر دو جریان صوتی را به عنوان ورودی دریافت کرده و جریان صوتی نخست را در خروجی می‌دهد. نتایج بر حسب دسی‌بل (dB) برای هر کانال در انتهای هر یک از ورودی‌ها ارائه می‌شوند.

apsyclip

اعمال برش روان‌شنیداری (Psychoacoustic clipper) بر روی جریان صوتی ورودی.

این فیلتر گزینه‌های زیر را می‌پذیرد:

level_in

تنظیم بهره ورودی. پیش‌فرض 1 است. محدوده مجاز [0.015625 - 64] است.

level_out

تنظیم بهره خروجی. پیش‌فرض 1 است. محدوده مجاز [0.015625 - 64] است.

clip

تنظیم مقدار شروع برش. مقدار پیش‌فرض 0dBFS یا 1 است.

diff

خروجی دادن صرف نمونه‌های تفاضل؛ برای شنیدن اعوجاج‌های ایجادشده سودمند است. به طور پیش‌فرض غیرفعال است.

adaptive

تنظیم شدت اعوجاج تطبیقی اعمال‌شده. مقدار پیش‌فرض 0.5 است. محدوده مجاز از 0 تا 1 است.

iterations

تنظیم تعداد تکرارهای برش‌دهنده روان‌شنیداری. محدوده مجاز از 1 تا 20 است. مقدار پیش‌فرض 10 است.

level

تراز خودکار سطح سیگنال خروجی. پیش‌فرض غیرفعال است. در صورت فعال بودن، صدا را به 0dBFS نرمال‌سازی می‌کند.

دستورات (Commands)

این فیلتر از تمامی گزینه‌های بالا به عنوان commands پشتیبانی می‌کند.

apulsator

پالس‌ساز صوتی چیزی مابین یک اتوپَنِر (autopanner) و یک ترمولو (tremolo) است. اما همچنین می‌تواند جلوه‌های استریوی جالبی تولید کند. پالساتور حجم صدای کانال چپ و راست را بر اساس یک نوسان‌ساز بسامد پایین (LFO) با شکل‌موج‌های گوناگون و فازهای شیفت‌یافته دگرگون می‌کند. این فیلتر توانایی تعیین یک آفست میان کانال چپ و راست را دارد. آفست 0 بدین معنی است که هر دو شکل LFO بر یکدیگر منطبق هستند. کانال چپ و راست به یک اندازه تغییر می‌کنند - یک ترمولوی سنتی. آفست 50% بدین معناست که شکل کانال راست دقیقاً در فاز شیفت یافته است (یا به اندازه نصف بسامد به عقب منتقل شده) - پالساتور به عنوان یک اتوپَنِر عمل می‌کند. در مقدار 1 هر دو منحنی مجدداً منطبق می‌شوند. هر تنظیمی در این بین، شیفت فاز را بدون فاصله میان تمام مراحل جابجا کرده و صداهای "گذرنده" با شکل‌موج‌های سینوسی و مثلثی تولید می‌نماید. هرچه آفست را به 1 نزدیک‌تر تنظیم کنید (با شروع از 0.5)، سیگنال با سرعت بیشتری از بلندگوی چپ به راست عبور می‌کند.

این فیلتر گزینه‌های زیر را می‌پذیرد:

level_in

تنظیم بهره ورودی. پیش‌فرض 1 است. محدوده مجاز [0.015625 - 64] است.

level_out

تنظیم بهره خروجی. پیش‌فرض 1 است. محدوده مجاز [0.015625 - 64] است.

mode

تنظیم شکل موجی که LFO استفاده خواهد کرد. می‌تواند یکی از موارد: sine، triangle، square، sawup یا sawdown باشد. پیش‌فرض sine است.

amount

تنظیم مدولاسیون. تعیین میزان اثرگذاری LFO بر سیگنال اصلی.

offset_l

تنظیم آفست کانال چپ. پیش‌فرض 0 است. محدوده مجاز [0 - 1] است.

offset_r

تنظیم آفست کانال راست. پیش‌فرض 0.5 است. محدوده مجاز [0 - 1] است.

width

تنظیم پهنای پالس. پیش‌فرض 1 است. محدوده مجاز [0 - 2] است.

timing

تنظیم حالت زمان‌بندی ممکن. می‌تواند یکی از موارد: bpm، ms یا hz باشد. پیش‌فرض hz است.

bpm

تنظیم ضرب بر دقیقه (bpm). پیش‌فرض 120 است. محدوده مجاز [30 - 300] است. تنها در صورتی به کار می‌رود که timing بر روی bpm تنظیم شده باشد.

ms

تنظیم میلی‌ثانیه. پیش‌فرض 500 است. محدوده مجاز [10 - 2000] است. تنها در صورتی به کار می‌رود که timing بر روی ms تنظیم شده باشد.

hz

تنظیم بسامد بر حسب هرتز. پیش‌فرض 2 است. محدوده مجاز [0.01 - 100] است. تنها در صورتی به کار می‌رود که timing بر روی hz تنظیم شده باشد.

aresample

بازنمونه‌برداری (resample) صدای ورودی با پارامترهای معین، با استفاده از کتابخانه libswresample. در صورت عدم تعیین پارامترها، فیلتر به صورت خودکار بین ورودی و خروجی خود تبدیل را انجام خواهد داد.

این فیلتر همچنین قادر است داده‌های صوتی را کشیده یا فشرده کند تا با برچسب‌های زمانی تطبیق یابند، یا سکوت تزریق کند / صدا را برش دهد تا با برچسب‌های زمانی منطبق شوند، ترکیبی از هر دو را اجرا کند یا هیچ‌کدام را انجام ندهد.

فیلتر نحو [sample_rate:]resampler_options را می‌پذیرد، که در آن sample_rate بیانگر نرخ نمونه‌برداری و resampler_options فهرستی از جفت‌های key=value جداشده با ":" است. برای فهرست کامل گزینه‌های پشتیبانی‌شده به بخش "Resampler Options" در راهنمای ffmpeg-resampler(1) مراجعه کنید.

مثال‌ها (Examples)

• بازنمونه‌برداری صدای ورودی به نرخ ۴۴۱۰۰ هرتز:

  aresample=44100

• کشیدن/فشرده‌سازی نمونه‌ها بر اساس برچسب‌های زمانی داده‌شده، با حداکثر جبران ۱۰۰۰ نمونه در ثانیه:

  aresample=async=1000

areverse

معکوس کردن یک کلیپ صوتی.

هشدار: این فیلتر برای بافر کردن کل کلیپ به حافظه نیاز دارد، بنابراین برش زدن (trimming) توصیه می‌شود.

مثال‌ها (Examples)

•

دریافت ۵ ثانیه اول یک کلیپ و معکوس کردن آن.

atrim=end=5,areverse

arls

اعمال الگوریتم حداقل مربعات بازگشتی (Recursive Least Squares) بر روی جریان صوتی نخست با استفاده از جریان صوتی دوم.

این فیلتر تطبیقی جهت تقلید از یک فیلتر مطلوب با یافتن بازگشتی ضرایب فیلتری به کار می‌رود که مربوط به تولید حداقل تابع هزینه مربعات خطی وزن‌دار سیگنال خطا هستند (تفاضل میان ورودی صوتی دوم مطلوب و سیگنال واقعی، ورودی صوتی اول).

شرح گزینه‌های پذیرفته‌شده در ادامه آمده است.

order

تنظیم مرتبه فیلتر.

lambda

تنظیم ضریب فراموشی (forgetting factor).

delta

تنظیم ضریب جهت مقداردهی اولیه ماتریس کوواریانس داخلی.

out_mode

تنظیم نمونه‌های خروجی فیلتر. مقادیر زیر را می‌پذیرد:

precision

تنظیم میزان دقت مورد استفاده حین پردازش نمونه‌ها.

arnndn

کاهش نویز گفتار با استفاده از شبکه‌های عصبی بازگشتی (RNN).

این فیلتر گزینه‌های زیر را می‌پذیرد:

model, m

تنظیم فایل مدل آموزش‌دیده جهت بارگذاری. این گزینه همواره الزامی است.

mix

تنظیم میزان آمیختن نمونه‌های فیلترشده در خروجی نهایی. محدوده مجاز از -1 تا 1 است. مقدار پیش‌فرض 1 است. مقادیر منفی ویژه هستند؛ آنها تعیین می‌کنند چه مقدار از نویز فیلترشده در خروجی نهایی فیلتر حفظ شود. این گزینه را روی -1 تنظیم کنید تا نویز واقعی حذف‌شده از سیگنال ورودی را بشنوید.

دستورات (Commands)

این فیلتر از تمامی گزینه‌های بالا به عنوان commands پشتیبانی می‌کند.

asdr

اندازه‌گیری نسبت سیگنال به اعوجاج صوتی (Audio Signal-to-Distortion Ratio).

این فیلتر دو جریان صوتی را به عنوان ورودی دریافت کرده و جریان صوتی نخست را در خروجی می‌دهد. نتایج بر حسب دسی‌بل (dB) برای هر کانال در انتهای هر یک از ورودی‌ها ارائه می‌شوند.

asetnsamples

تنظیم تعداد نمونه‌ها در هر فریم صوتی خروجی.

آخرین بسته خروجی ممکن است حاوی تعداد متفاوتی نمونه باشد، زیرا هنگامی که صدای ورودی پایان خود را اعلان می‌کند، فیلتر تمامی نمونه‌های باقیمانده را تخلیه (flush) خواهد کرد.

این فیلتر گزینه‌های زیر را می‌پذیرد:

nb_out_samples, n

تنظیم تعداد نمونه‌ها برای هر فریم صوتی خروجی. این عدد به عنوان تعداد نمونه‌ها برای هر کانال در نظر گرفته می‌شود. مقدار پیش‌فرض 1024 است.

pad, p

اگر روی 1 تنظیم شود، فیلتر فریم صوتی نهایی را با صفرها پد خواهد کرد، به گونه‌ای که آخرین فریم حاوی همان تعداد نمونه‌های فریم‌های پیشین باشد. مقدار پیش‌فرض 1 است.

برای نمونه، جهت تنظیم تعداد نمونه‌های هر فریم بر روی ۱۲۳۴ و غیرفعال کردن پدینگ برای فریم آخر، از این دستور استفاده کنید:

asetnsamples=n=1234:p=0

asetrate

تنظیم نرخ نمونه‌برداری بدون دگرگون‌سازی داده‌های PCM. این امر منجر به تغییر در سرعت و زیروبمی (pitch) صدا خواهد شد.

این فیلتر گزینه‌های زیر را می‌پذیرد:

sample_rate, r

تنظیم نرخ نمونه‌برداری خروجی. پیش‌فرض 44100 هرتز است.

ashowinfo

نمایش یک خط حاوی اطلاعات گوناگون برای هر فریم صوتی ورودی. صدای ورودی اصلاح یا دگرگون نمی‌شود.

خط نمایش‌داده‌شده شامل دنباله‌ای از جفت‌های کلید/مقدار به فرم key:value است.

مقادیر زیر در خروجی نمایش داده می‌شوند:

n

شماره (ترتیبی) فریم ورودی، با شروع از 0.

pts

برچسب زمانی نمایش (PTS) فریم ورودی بر حسب واحدهای مبنای زمان؛ مبنای زمان به پد ورودی فیلتر وابسته است و معمولاً 1/sample_rate می‌باشد.

pts_time

برچسب زمانی نمایش فریم ورودی بر حسب ثانیه.

fmt

فرمت نمونه.

chlayout

چیدمان کانال (channel layout).

rate

نرخ نمونه‌برداری برای فریم صوتی.

nb_samples

تعداد نمونه‌ها (برای هر کانال) در فریم.

checksum

چک‌سام Adler-32 (چاپ‌شده به صورت هگزادسیمال) از داده‌های صوتی. برای صدای چندصفحه‌ای (planar)، داده‌ها به گونه‌ای در نظر گرفته می‌شوند که گویی تمام صفحات به هم متصل شده‌اند.

plane_checksums

فهرستی از چک‌سام‌های Adler-32 برای هر صفحه از داده‌ها.

asisdr

اندازه‌گیری نسبت سیگنال به اعوجاج صوتی نامتغیر با مقیاس (Audio Scaled-Invariant Signal-to-Distortion Ratio).

این فیلتر دو جریان صوتی را به عنوان ورودی دریافت کرده و جریان صوتی نخست را در خروجی می‌دهد. نتایج بر حسب دسی‌بل (dB) برای هر کانال در انتهای هر یک از ورودی‌ها ارائه می‌شوند.

asoftclip

اعمال برش نرم صوتی (soft clipping).

برش نرم نوعی جلوه اعوجاج است که در آن دامنه سیگنال در امتداد یک منحنی نرم اشباع می‌شود، به جای شکل ناگهانی و خشن برش سخت (hard-clipping).

این فیلتر گزینه‌های زیر را می‌پذیرد:

type

تنظیم نوع برش نرم.

این گزینه مقادیر زیر را می‌پذیرد:

threshold

تنظیم آستانه‌ای که برش از آنجا آغاز می‌شود. مقدار پیش‌فرض 0dB یا 1 است.

output

تنظیم بهره اعمالی بر خروجی. مقدار پیش‌فرض 0dB یا 1 است.

param

تنظیم پارامتر اضافی که تابع سیگموئید را کنترل می‌کند.

oversample

تنظیم ضریب بیش‌نمونه‌برداری (oversampling factor).

دستورات (Commands)

این فیلتر از تمامی گزینه‌های بالا به عنوان commands پشتیبانی می‌کند.

aspectralstats

نمایش اطلاعات آماری حوزه فرکانس درباره کانال‌های صوتی. آمارها برای هر کانال صوتی و برای هر فریم صوتی محاسبه و به عنوان متادیتا ذخیره می‌شوند.

این فیلتر گزینه‌های زیر را می‌پذیرد:

win_size

تنظیم طول پنجره بر حسب نمونه‌ها. مقدار پیش‌فرض 2048 است. محدوده مجاز از 32 تا 65536 است.

win_func

تنظیم تابع پنجره.

این گزینه مقادیر زیر را می‌پذیرد:

overlap

تنظیم همپوشانی پنجره. محدوده مجاز از 0 تا 1 است. مقدار پیش‌فرض 0.5 است.

measure

انتخاب پارامترهایی که اندازه‌گیری می‌شوند. کلیدهای متادیتا می‌توانند به عنوان فلگ استفاده شوند، مقدار پیش‌فرض all است که همه پارامترها را اندازه‌گیری می‌کند. مقدار none تمام اندازه‌گیری‌ها را غیرفعال می‌سازد.

فهرستی از هر کلید متادیتا در ادامه آمده است:

mean

variance

centroid

spread

skewness

kurtosis

entropy

flatness

crest

flux

slope

decrease

rolloff

asr

تشخیص خودکار گفتار (Automatic Speech Recognition).

این فیلتر از PocketSphinx برای تشخیص گفتار بهره می‌برد. برای فعال‌سازی کامپایل این فیلتر، باید FFmpeg را با "--enable-pocketsphinx" پیکربندی کنید.

این فیلتر گزینه‌های زیر را می‌پذیرد:

rate

تنظیم نرخ نمونه‌برداری صدای ورودی. پیش‌فرض 16000 است. این مقدار باید با مدل‌های گفتار همخوانی داشته باشد، در غیر این صورت نتایج نامناسبی حاصل می‌شود.

hmm

تنظیم دایرکتوری حاوی فایل‌های مدل صوتی (acoustic model).

dict

تنظیم فرهنگ لغت تلفظ.

lm

تنظیم فایل مدل زبان.

lmctl

تنظیم مجموعه مدل زبان.

lmname

تعیین اینکه کدام مدل زبان به کار گرفته شود.

logfn

تنظیم خروجی برای پیام‌های لاگ.

این فیلتر گفتار شناسایی‌شده را به صورت متادیتای فریم "lavfi.asr.text" صادر می‌کند.

astats

نمایش اطلاعات آماری حوزه زمان درباره کانال‌های صوتی. آمارها برای هر کانال صوتی محاسبه و نمایش داده می‌شوند و، در صورت امکان، یک مقدار کلی (overall) نیز ارائه می‌گردد.

این فیلتر گزینه‌های زیر را می‌پذیرد:

length

طول پنجره کوتاه بر حسب ثانیه، که برای اندازه‌گیری قله و دره RMS استفاده می‌شود. پیش‌فرض 0.05 (۵۰ میلی‌ثانیه) است. محدوده مجاز "[0 - 10]" است.

metadata

تنظیم تزریق متادیتا. تمام کلیدهای متادیتا با پیشوند "lavfi.astats.X" مشخص می‌شوند، که در آن "X" شماره کانال با شروع از 1 یا رشته "Overall" است. پیش‌فرض غیرفعال است.

کلیدهای موجود برای هر کانال عبارتند از: Bit_depth Crest_factor DC_offset Dynamic_range Entropy Flat_factor Max_difference Max_level Mean_difference Min_difference Min_level Noise_floor Noise_floor_count Number_of_Infs Number_of_NaNs Number_of_denormals Peak_count Abs_Peak_count Peak_level RMS_difference RMS_peak RMS_trough Zero_crossings Zero_crossings_rate

و برای "Overall": Bit_depth DC_offset Entropy Flat_factor Max_difference Max_level Mean_difference Min_difference Min_level Noise_floor Noise_floor_count Number_of_Infs Number_of_NaNs Number_of_denormals Number_of_samples Peak_count Abs_Peak_count Peak_level RMS_difference RMS_level RMS_peak RMS_trough

برای نمونه، یک کلید کامل شبیه "lavfi.astats.1.DC_offset" یا "lavfi.astats.Overall.Peak_count" است.

برای شرح کلیدها بخش زیر را مطالعه کنید.

reset

تنظیم تعداد فریم‌هایی که آمارهای تجمعی پیش از بازنشانی روی آنها محاسبه می‌شوند. پیش‌فرض غیرفعال است.

measure_perchannel

انتخاب پارامترهایی که برای هر کانال اندازه‌گیری می‌شوند. کلیدهای متادیتا می‌توانند به عنوان فلگ استفاده شوند؛ پیش‌فرض all است که همه چیز را اندازه‌گیری می‌کند. مقدار none تمام اندازه‌گیری‌های مختص کانال را غیرفعال می‌سازد.

measure_overall

انتخاب پارامترهایی که به صورت کلی اندازه‌گیری می‌شوند. کلیدهای متادیتا می‌توانند به عنوان فلگ استفاده شوند؛ پیش‌فرض all است که همه چیز را اندازه‌گیری می‌کند. مقدار none تمام اندازه‌گیری‌های کلی را غیرفعال می‌سازد.

شرح کلیدهای اندازه‌گیری در ادامه آمده است:

none

بدون اندازه‌گیری

all

تمام اندازه‌گیری‌ها

Bit_depth

عمق بیتی کلی صدا، یعنی تعداد بیت‌های استفاده‌شده برای هر نمونه

Crest_factor

نسبت استاندارد سطح اوج به سطح RMS (توجه: بر حسب دسی‌بل نیست)

DC_offset

میانگین جابجایی دامنه از صفر

Dynamic_range

محدوده دینامیکی اندازه‌گیری‌شده صدا بر حسب دسی‌بل (dB)

Entropy

آنتروپی اندازه‌گیری‌شده در کل صدا؛ آنتروپی با مقداری نزدیک به 1.0 معمولاً برای نویز سفید اندازه گرفته می‌شود

Flat_factor

فاکتور تختی (یعنی نمونه‌های متوالی با مقدار یکسان) سیگنال در سطوح اوج آن (یعنی Min_level یا Max_level)

Max_difference

حداکثر تفاضل میان دو نمونه متوالی

Max_level

حداکثر سطح نمونه

Mean_difference

میانگین تفاضل میان دو نمونه متوالی، یعنی میانگین تک‌تک اختلافات بین دو نمونه پی‌در‌پی

Min_difference

حداقل تفاضل میان دو نمونه متوالی

Min_level

حداقل سطح نمونه

Noise_floor

حداقل اوج محلی اندازه‌گیری‌شده بر حسب dBFS روی یک پنجره کوتاه

Noise_floor_count

تعداد دفعاتی (نه تعداد نمونه‌ها) که سیگنال به Noise floor رسیده است

Number_of_Infs

تعداد نمونه‌های با مقدار بی‌نهایت

Number_of_NaNs

تعداد نمونه‌های با مقدار NaN (غیرعدد)

Number_of_denormals

تعداد نمونه‌های با مقدار زیر‌نرمال (subnormal)

Number_of_samples

تعداد نمونه‌ها

Peak_count

تعداد دفعاتی (نه تعداد نمونه‌ها) که سیگنال به Min_level یا Max_level رسیده است

Abs_Peak_count

تعداد دفعاتی که قدر مطلق نمونه‌های گرفته‌شده از سیگنال به حداکثر مقدار مطلق Min_level و Max_level رسیده است

Peak_level

سطح اوج استاندارد اندازه‌گیری‌شده بر حسب dBFS

RMS_difference

جذر میانگین مربعات تفاضل میان دو نمونه متوالی

RMS_level

سطح استاندارد RMS اندازه‌گیری‌شده بر حسب dBFS

RMS_peak

RMS_trough

مقادیر اوج و فرود برای سطح RMS اندازه‌گیری‌شده در طول یک پنجره کوتاه، اندازه‌گیری‌شده بر حسب dBFS.

Zero crossings

تعداد نقاطی که در آنها شکل‌موج از محور سطح صفر عبور می‌کند

Zero crossings rate

نرخ گذر از صفر نسبت به تعداد نمونه‌های صوتی

asubboost

تقویت بسامدهای ساب‌ووفر.

این فیلتر گزینه‌های زیر را می‌پذیرد:

dry

تنظیم بهره سیگنال اصلی، چه مقدار از سیگنال اصلی حفظ شود. محدوده مجاز از 0 تا 1 است. مقدار پیش‌فرض 1.0 است.

wet

تنظیم بهره سیگنال فیلترشده، چه مقدار از سیگنال فیلترشده حفظ شود. محدوده مجاز از 0 تا 1 است. مقدار پیش‌فرض 1.0 است.

boost

تنظیم ضریب حداکثر تقویت. محدوده مجاز از 1 تا 12 است. مقدار پیش‌فرض 2 است.

decay

تنظیم مقدار بهره میرایی خط تاخیر. محدوده مجاز از 0 تا 1 است. مقدار پیش‌فرض 0.0 است.

feedback

تنظیم مقدار بهره بازخورد خط تاخیر. محدوده مجاز از 0 تا 1 است. مقدار پیش‌فرض 0.9 است.

cutoff

تنظیم فرکانس قطع بر حسب هرتز. محدوده مجاز از 50 تا 900 است. مقدار پیش‌فرض 100 است.

slope

تنظیم میزان شیب برای فرکانس قطع. محدوده مجاز 0.0001 تا 1 است. مقدار پیش‌فرض 0.5 است.

delay

تنظیم تاخیر. محدوده مجاز از 1 تا 100 است. مقدار پیش‌فرض 20 است.

channels

تنظیم کانال‌ها برای پردازش. مقدار پیش‌فرض تمام کانال‌های موجود است.

دستورات (Commands)

این فیلتر از تمامی گزینه‌های بالا به عنوان commands پشتیبانی می‌کند.

asubcut

برش بسامدهای ساب‌ووفر.

این فیلتر امکان تنظیم یک شیب تندتر و سفارشی را نسبت به فیلتر بالاگذر فراهم می‌سازد و از این رو قادر است محتوای فرکانسی در باند توقف را بیشتر تضعیف کند.

این فیلتر گزینه‌های زیر را می‌پذیرد:

cutoff

تنظیم فرکانس قطع بر حسب هرتز. محدوده مجاز از 2 تا 200 است. مقدار پیش‌فرض 20 است.

order

تنظیم مرتبه فیلتر. مقادیر موجود از 3 تا 20 است. مقدار پیش‌فرض 10 است.

level

تنظیم سطح بهره ورودی. محدوده مجاز از 0 تا 1 است. مقدار پیش‌فرض 1 است.

دستورات (Commands)

این فیلتر از تمامی گزینه‌های بالا به عنوان commands پشتیبانی می‌کند.

asupercut

برش بسامدهای بسیار بالا (super frequencies).

این فیلتر گزینه‌های زیر را می‌پذیرد:

cutoff

تنظیم فرکانس قطع بر حسب هرتز. محدوده مجاز از 20000 تا 192000 است. مقدار پیش‌فرض 20000 است.

order

تنظیم مرتبه فیلتر. مقادیر موجود از 3 تا 20 است. مقدار پیش‌فرض 10 است.

level

تنظیم سطح بهره ورودی. محدوده مجاز از 0 تا 1 است. مقدار پیش‌فرض 1 است.

دستورات (Commands)

این فیلتر از تمامی گزینه‌های بالا به عنوان commands پشتیبانی می‌کند.

asuperpass

اعمال فیلتر میان‌گذر باترورث مرتبه بالا.

این فیلتر گزینه‌های زیر را می‌پذیرد:

centerf

تنظیم فرکانس مرکزی بر حسب هرتز. محدوده مجاز از 2 تا 999999 است. مقدار پیش‌فرض 1000 است.

order

تنظیم مرتبه فیلتر. مقادیر موجود از 4 تا 20 است. مقدار پیش‌فرض 4 است.

qfactor

تنظیم ضریب کیفیت (Q-factor). محدوده مجاز از 0.01 تا 100 است. مقدار پیش‌فرض 1 است.

level

تنظیم سطح بهره ورودی. محدوده مجاز از 0 تا 2 است. مقدار پیش‌فرض 1 است.

دستورات (Commands)

این فیلتر از تمامی گزینه‌های بالا به عنوان commands پشتیبانی می‌کند.

asuperstop

اعمال فیلتر میان‌ناگذر باترورث مرتبه بالا.

این فیلتر گزینه‌های زیر را می‌پذیرد:

centerf

تنظیم فرکانس مرکزی بر حسب هرتز. محدوده مجاز از 2 تا 999999 است. مقدار پیش‌فرض 1000 است.

order

تنظیم مرتبه فیلتر. مقادیر موجود از 4 تا 20 است. مقدار پیش‌فرض 4 است.

qfactor

تنظیم ضریب کیفیت (Q-factor). محدوده مجاز از 0.01 تا 100 است. مقدار پیش‌فرض 1 است.

level

تنظیم سطح بهره ورودی. محدوده مجاز از 0 تا 2 است. مقدار پیش‌فرض 1 است.

دستورات (Commands)

این فیلتر از تمامی گزینه‌های بالا به عنوان commands پشتیبانی می‌کند.

atempo

تنظیم سرعت ضرب‌آهنگ (tempo) صدا.

این فیلتر دقیقاً یک پارامتر را می‌پذیرد، که همان تمپوی صدا است. در صورت عدم تعیین، فیلتر تمپوی اسمی 1.0 را فرض خواهد کرد. تمپو باید در محدوده [0.5, 100.0] باشد.

توجه داشته باشید که تمپوی بالاتر از 2 برخی نمونه‌ها را رد می‌کند تا اینکه آنها را در هم بیامیزد. اگر به هر دلیلی این مسئله جای نگرانی دارد، همواره می‌توان چند نمونه از atempo را به صورت زنجیره‌ای به کار بست تا تمپوی حاصل مطلوب به دست آید.

مثال‌ها (Examples)

• کند کردن صدا به میزان 80% تمپو:

  atempo=0.8

• تند کردن صدا به میزان 300% تمپو:

  atempo=3

• تند کردن صدا به میزان 300% تمپو با زنجیره‌سازی دو فیلتر atempo:

  atempo=sqrt(3),atempo=sqrt(3)

دستورات (Commands)

این فیلتر از دستورات زیر پشتیبانی می‌کند:

tempo

تغییر ضریب مقیاس تمپوی فیلتر. نحو دستور عبارت است از: "tempo"

atilt

اعمال فیلتر شیب طیفی (spectral tilt) بر روی جریان صوتی.

این فیلتر هرگونه شیب افت طیفی را بر روی هر باند فرکانسی مشخص‌شده اعمال می‌کند.

این فیلتر گزینه‌های زیر را می‌پذیرد:

freq

تنظیم فرکانس مرکزی شیب بر حسب هرتز. پیش‌فرض 10000 هرتز است.

slope

تنظیم جهت شیب. پیش‌فرض 0 است. محدوده مجاز از -1 تا 1 است.

width

تنظیم پهنای شیب. پیش‌فرض 1000 است. محدوده مجاز از 100 تا 10000 است.

order

تنظیم مرتبه فیلتر شیب.

level

تنظیم سطح بلندی ورودی. محدوده مجاز از 0 تا 4 است. پیش‌فرض 1 است.

دستورات (Commands)

این فیلتر از تمامی گزینه‌های بالا به عنوان commands پشتیبانی می‌کند.

atrim

برش دادن ورودی به گونه‌ای که خروجی حاوی یک زیربخش پیوسته از ورودی باشد.

این فیلتر پارامترهای زیر را می‌پذیرد:

start

برچسب زمانی (بر حسب ثانیه) از شروع بخشی که باید نگه‌داری شود. یعنی نمونه صوتی با برچسب زمانی start نخستین نمونه در خروجی خواهد بود.

end

تعیین زمان اولین نمونه صوتی که دور ریخته می‌شود، یعنی نمونه صوتی بلافاصله قبل از نمونه دارای برچسب زمانی end، آخرین نمونه در خروجی خواهد بود.

start_pts

مشابه start، به استثنای اینکه این گزینه برچسب زمانی شروع را بر حسب نمونه‌ها به جای ثانیه تنظیم می‌کند.

end_pts

مشابه end، به استثنای اینکه این گزینه برچسب زمانی پایان را بر حسب نمونه‌ها به جای ثانیه تنظیم می‌کند.

duration

حداکثر مدت‌زمان خروجی بر حسب ثانیه.

start_sample

شماره نخستین نمونه‌ای که باید به خروجی فرستاده شود.

end_sample

شماره نخستین نمونه‌ای که باید دور ریخته شود.

گزینه‌های start، end و duration به صورت مشخصات مدت زمان بیان می‌شوند؛ به بخش Time duration در راهنمای ffmpeg-utils(1) مراجعه کنید.

توجه داشته باشید که دو مجموعه نخست گزینه‌های start/end و گزینه duration به برچسب زمانی فریم نگاه می‌کنند، در حالی که گزینه‌های دارای پسوند _sample صرفاً نمونه‌هایی را که از فیلتر عبور می‌کنند می‌شمارند. بنابراین start/end_pts و start/end_sample هنگامی که برچسب‌های زمانی اشتباه یا غیردقیق باشند یا از صفر آغاز نشوند، نتایج متفاوتی به بار می‌آورند. همچنین توجه داشته باشید که این فیلتر برچسب‌های زمانی را دگرگون نمی‌سازد. اگر می‌خواهید برچسب‌های زمانی خروجی از صفر شروع شوند، فیلتر asetpts را پس از فیلتر atrim قرار دهید.

اگر چندین گزینه شروع یا پایان تنظیم شوند، این فیلتر تلاش می‌کند به صورت حریصانه (greedy) عمل کرده و تمام نمونه‌هایی را که حداقل با یکی از محدودیت‌های تعیین‌شده تطابق دارند حفظ کند. جهت نگه‌داری صرفاً بخشی که به طور همزمان با تمامی محدودیت‌ها تطابق دارد، چندین فیلتر atrim را به هم زنجیره کنید.

مقادیر پیش‌فرض به گونه‌ای هستند که تمامی ورودی حفظ می‌شود. بنابراین امکان تنظیم مثلاً صرف مقادیر پایان وجود دارد تا هر آنچه پیش از زمان مشخص‌شده است نگه داشته شود.

مثال‌ها:

• دور انداختن همه چیز به جز دقیقه دوم ورودی:

  ffmpeg -i INPUT -af atrim=60:120

• نگه‌داشتن صرفاً ۱۰۰۰ نمونه نخست:

  ffmpeg -i INPUT -af atrim=end_sample=1000

axcorrelate

محاسبه همبستگی متقابل پنجره‌ای نرمال‌شده میان دو جریان صوتی ورودی.

نمونه‌های حاصل همواره بین -1 و 1 (شامل هر دو) هستند. اگر نتیجه 1 باشد، بدین معناست که دو نمونه ورودی در آن بخش انتخابی به شدت همبسته هستند. نتیجه 0 به معنای عدم وجود هیچ‌گونه همبستگی میان آنهاست. اگر نتیجه -1 باشد، بدین معناست که دو نمونه ورودی ناهم‌فاز هستند، که یعنی یکدیگر را خنثی می‌کنند.

این فیلتر گزینه‌های زیر را می‌پذیرد:

size

تنظیم اندازه بخشی که همبستگی متقابل روی آن محاسبه می‌شود. پیش‌فرض 256 است. محدوده مجاز از 2 تا 131072 است.

algo

تنظیم الگوریتم همبستگی متقابل. می‌تواند "slow" یا "fast" یا "best" باشد. پیش‌فرض "best" است. الگوریتم سریع فرض می‌کند مقادیر میانگین روی هر بخش مفروض همواره صفر هستند و بنابراین به محاسبات بسیار کمتری نیاز دارد. این فرض به طور کلی صحیح نیست، اما برای جریان‌های صوتی متداول معتبر است.

مثال‌ها (Examples)

•

محاسبه همبستگی میان کانال‌ها در یک جریان صوتی استریو:

ffmpeg -i stereo.wav -af channelsplit,axcorrelate=size=1024:algo=fast correlation.wav

bandpass

اعمال یک فیلتر میان‌گذر دو قطبی باترورث با فرکانس مرکزی frequency، و پهنای باند (در نقطه 3dB) width. گزینه csg بهره ثابت دامنه جانبی (بهره اوج = Q) را به جای حالت پیش‌فرض یعنی بهره اوج ثابت 0dB برمی‌گزیند. افت فیلتر با نرخ 6dB به ازای هر اکتاو (20dB به ازای هر دهه) است.

این فیلتر گزینه‌های زیر را می‌پذیرد:

frequency, f

تنظیم فرکانس مرکزی فیلتر. پیش‌فرض 3000 است.

csg

بهره ثابت دامنه جانبی (constant skirt gain) در صورت تنظیم روی 1. پیش‌فرض 0 است.

width_type, t

تنظیم روش تعیین پهنای باند فیلتر.

width, w

تعیین پهنای باند فیلتر در واحدهای width_type.

mix, m

میزان استفاده از سیگنال فیلترشده در خروجی. پیش‌فرض 1 است. محدوده بین 0 و 1 است.

channels, c

تعیین کانال‌ها جهت فیلترسازی؛ به طور پیش‌فرض تمام کانال‌های موجود فیلتر می‌شوند.

normalize, n

نرمال‌سازی ضرایب biquad؛ به طور پیش‌فرض غیرفعال است. فعال‌سازی آن پاسخ دامنه در DC را روی 0dB نرمال می‌کند.

transform, a

تنظیم نوع تبدیل فیلتر IIR.

precision, r

تنظیم دقت فیلترسازی.

block_size, b

تنظیم اندازه بلوک مورد استفاده برای پردازش معکوس IIR. اگر این مقدار روی مقداری به اندازه کافی بزرگ تنظیم شود (بزرگتر از طول پاسخ ضربه که هنگام رسیدن به مقادیر نزدیک به صفر قطع می‌شود)، فیلترسازی دارای فاز خطی خواهد شد؛ در غیر این صورت اگر به اندازه کافی بزرگ نباشد صرفاً آرتیفکت‌های ناخوشایندی ایجاد خواهد کرد.

توجه داشته باشید که تاخیر فیلتر هنگام تنظیم روی یک مقدار غیر صفر دقیقاً به اندازه همین تعداد نمونه خواهد بود.

دستورات (Commands)

این فیلتر از دستورات زیر پشتیبانی می‌کند:

frequency, f

تغییر فرکانس میان‌گذر. نحو دستور عبارت است از: "frequency"

width_type, t

تغییر width_type میان‌گذر. نحو دستور عبارت است از: "width_type"

width, w

تغییر پهنای میان‌گذر. نحو دستور عبارت است از: "width"

mix, m

تغییر mix میان‌گذر. نحو دستور عبارت است از: "mix"

bandreject

اعمال یک فیلتر میان‌ناگذر دو قطبی باترورث با فرکانس مرکزی frequency، و پهنای باند (در نقطه 3dB) width. افت فیلتر با نرخ 6dB به ازای هر اکتاو (20dB به ازای هر دهه) است.

این فیلتر گزینه‌های زیر را می‌پذیرد:

frequency, f

تنظیم فرکانس مرکزی فیلتر. پیش‌فرض 3000 است.

width_type, t

تنظیم روش تعیین پهنای باند فیلتر.

width, w

تعیین پهنای باند فیلتر در واحدهای width_type.

mix, m

میزان استفاده از سیگنال فیلترشده در خروجی. پیش‌فرض 1 است. محدوده بین 0 و 1 است.

channels, c

تعیین کانال‌ها جهت فیلترسازی؛ به طور پیش‌فرض تمام کانال‌های موجود فیلتر می‌شوند.

normalize, n

نرمال‌سازی ضرایب biquad؛ به طور پیش‌فرض غیرفعال است. فعال‌سازی آن پاسخ دامنه در DC را روی 0dB نرمال می‌کند.

transform, a

تنظیم نوع تبدیل فیلتر IIR.

precision, r

تنظیم دقت فیلترسازی.

block_size, b

تنظیم اندازه بلوک مورد استفاده برای پردازش معکوس IIR. اگر این مقدار روی مقداری به اندازه کافی بزرگ تنظیم شود (بزرگتر از طول پاسخ ضربه که هنگام رسیدن به مقادیر نزدیک به صفر قطع می‌شود)، فیلترسازی دارای فاز خطی خواهد شد؛ در غیر این صورت اگر به اندازه کافی بزرگ نباشد صرفاً آرتیفکت‌های ناخوشایندی ایجاد خواهد کرد.

توجه داشته باشید که تاخیر فیلتر هنگام تنظیم روی یک مقدار غیر صفر دقیقاً به اندازه همین تعداد نمونه خواهد بود.

دستورات (Commands)

این فیلتر از دستورات زیر پشتیبانی می‌کند:

frequency, f

تغییر فرکانس میان‌ناگذر. نحو دستور عبارت است از: "frequency"

width_type, t

تغییر width_type میان‌ناگذر. نحو دستور عبارت است از: "width_type"

width, w

تغییر پهنای میان‌ناگذر. نحو دستور عبارت است از: "width"

mix, m

تغییر mix میان‌ناگذر. نحو دستور عبارت است از: "mix"

bass, lowshelf

تقویت یا برش بسامدهای بم (پایین) صدا با بهره‌گیری از یک فیلتر شلوینگ دو قطبی با پاسخی شبیه به کنترل‌های تن یک سیستم های-فای (hi-fi) استاندارد. این امر به عنوان اکولایزاسیون شلوینگ (shelving EQ) نیز شناخته می‌شود.

این فیلتر گزینه‌های زیر را می‌پذیرد:

gain, g

ارائه میزان بهره در 0 هرتز. محدوده مفید آن در حدود -20 (برای یک برش عمیق) تا +20 (برای یک تقویت قوی) است. هنگام استفاده از بهره مثبت، مراقب پدیده برش سیگنال (clipping) باشید.

frequency, f

تنظیم فرکانس مرکزی فیلتر؛ از این رو می‌توان از آن جهت گسترش یا کاهش محدوده بسامدی که قرار است تقویت یا برش داده شود استفاده کرد. مقدار پیش‌فرض 100 هرتز است.

width_type, t

تنظیم روش تعیین پهنای باند فیلتر.

width, w

تعیین میزان تندی گذار شلف فیلتر.

poles, p

تنظیم تعداد قطب‌ها. پیش‌فرض 2 است.

mix, m

میزان استفاده از سیگنال فیلترشده در خروجی. پیش‌فرض 1 است. محدوده بین 0 و 1 است.

channels, c

تعیین کانال‌ها جهت فیلترسازی؛ به طور پیش‌فرض تمام کانال‌های موجود فیلتر می‌شوند.

normalize, n

نرمال‌سازی ضرایب biquad؛ به طور پیش‌فرض غیرفعال است. فعال‌سازی آن پاسخ دامنه در DC را روی 0dB نرمال می‌کند.

transform, a

تنظیم نوع تبدیل فیلتر IIR.

precision, r

تنظیم دقت فیلترسازی.

block_size, b

تنظیم اندازه بلوک مورد استفاده برای پردازش معکوس IIR. اگر این مقدار روی مقداری به اندازه کافی بزرگ تنظیم شود (بزرگتر از طول پاسخ ضربه که هنگام رسیدن به مقادیر نزدیک به صفر قطع می‌شود)، فیلترسازی دارای فاز خطی خواهد شد؛ در غیر این صورت اگر به اندازه کافی بزرگ نباشد صرفاً آرتیفکت‌های ناخوشایندی ایجاد خواهد کرد.

توجه داشته باشید که تاخیر فیلتر هنگام تنظیم روی یک مقدار غیر صفر دقیقاً به اندازه همین تعداد نمونه خواهد بود.

دستورات (Commands)

این فیلتر از دستورات زیر پشتیبانی می‌کند:

frequency, f

تغییر فرکانس bass. نحو دستور عبارت است از: "frequency"

width_type, t

تغییر width_type گزینه bass. نحو دستور عبارت است از: "width_type"

width, w

تغییر پهنای bass. نحو دستور عبارت است از: "width"

gain, g

تغییر بهره bass. نحو دستور عبارت است از: "gain"

mix, m

تغییر mix گزینه bass. نحو دستور عبارت است از: "mix"

biquad

اعمال یک فیلتر IIR بای‌کواد (biquad) با ضرایب داده‌شده. به طوری که b0، b1، b2 و a0، a1، a2 به ترتیب ضرایب صورت و مخرج هستند، و گزینه‌های channels و c مشخص می‌کنند کدام کانال‌ها فیلتر شوند؛ به طور پیش‌فرض تمامی کانال‌های موجود فیلتر می‌شوند.

دستورات (Commands)

این فیلتر از دستورات زیر پشتیبانی می‌کند:

a0

a1

a2

b0

b1

b2

تغییر پارامتر بای‌کواد. نحو دستور عبارت است از: "value"

mix, m

میزان استفاده از سیگنال فیلترشده در خروجی. پیش‌فرض 1 است. محدوده بین 0 و 1 است.

channels, c

تعیین کانال‌ها جهت فیلترسازی؛ به طور پیش‌فرض تمام کانال‌های موجود فیلتر می‌شوند.

normalize, n

نرمال‌سازی ضرایب biquad؛ به طور پیش‌فرض غیرفعال است. فعال‌سازی آن پاسخ دامنه در DC را روی 0dB نرمال می‌کند.

transform, a

تنظیم نوع تبدیل فیلتر IIR.

precision, r

تنظیم دقت فیلترسازی.

block_size, b

تنظیم اندازه بلوک مورد استفاده برای پردازش معکوس IIR. اگر این مقدار روی مقداری به اندازه کافی بزرگ تنظیم شود (بزرگتر از طول پاسخ ضربه که هنگام رسیدن به مقادیر نزدیک به صفر قطع می‌شود)، فیلترسازی دارای فاز خطی خواهد شد؛ در غیر این صورت اگر به اندازه کافی بزرگ نباشد صرفاً آرتیفکت‌های ناخوشایندی ایجاد خواهد کرد.

توجه داشته باشید که تاخیر فیلتر هنگام تنظیم روی یک مقدار غیر صفر دقیقاً به اندازه همین تعداد نمونه خواهد بود.

bs2b

تبدیل استریو به دوگوشی (binaural) بائر، که گوش دادن به ضبط‌های صوتی استریو را با هدفون بهبود می‌بخشد.

برای فعال‌سازی کامپایل این فیلتر باید FFmpeg را با "--enable-libbs2b" پیکربندی کنید.

پارامترهای زیر را می‌پذیرد:

profile

سطح کراس‌فید (crossfeed) از پیش تعریف‌شده.

fcut

فرکانس قطع (بر حسب Hz).

feed

سطح تغذیه فید (بر حسب Hz).

channelmap

نگاشت مجدد کانال‌های ورودی به مکان‌های جدید.

پارامترهای زیر را می‌پذیرد:

map

نگاشت کانال‌ها از ورودی به خروجی. شناسه فهرستی جداشده با '|' از نگاشت‌ها است، که هر یک به شکل "in_channel-out_channel" یا "in_channel" هستند. in_channel می‌تواند نام کانال ورودی (مانند FL برای چپ جلو) یا شاخص آن در چینش کانال ورودی باشد. out_channel نام کانال خروجی یا شاخص آن در چینش کانال خروجی است. اگر out_channel داده نشود، به‌طور ضمنی یک شاخص است که از صفر شروع شده و برای هر نگاشت یکی افزایش می‌یابد. ترکیب انواع مختلف نگاشت مجاز نیست و منجر به خطای تجزیه می‌شود.

channel_layout

چینش کانال جریان خروجی. اگر مشخص نشود، فیلتر آن را بر اساس نام‌های out_channel یا تعداد نگاشت‌ها حدس می‌زند. چینش‌های حدس‌زده‌شده لزوماً شامل کانال‌ها به ترتیب نگاشت‌ها نخواهند بود.

اگر هیچ نگاشتی وجود نداشته باشد، فیلتر به‌طور ضمنی کانال‌های ورودی را با حفظ شاخص‌ها به کانال‌های خروجی نگاشت می‌کند.

مثال‌ها

• برای مثال، با فرض یک پروندهٔ MOV ورودی با صدای 5.1+downmix:

  ffmpeg -i in.mov -filter 'channelmap=map=DL-FL|DR-FR' out.wav

  یک پروندهٔ WAV خروجی با برچسب استریو از کانال‌های downmix ورودی ایجاد می‌کند.

• برای اصلاح یک پروندهٔ WAV 5.1 که به اشتباه با ترتیب کانال بومی AAC کدگذاری شده است:

  ffmpeg -i in.wav -filter 'channelmap=1|2|0|5|3|4:5.1' out.wav

channelsplit

تفکیک هر کانال از یک جریان صوتی ورودی به یک جریان خروجی جداگانه.

پارامترهای زیر را می‌پذیرد:

channel_layout

چینش کانال جریان ورودی. پیش‌فرض "stereo" است.

channels

یک چینش کانال که کانال‌های استخراج‌شونده به عنوان جریان‌های خروجی جداگانه را توصیف می‌کند یا "all" برای استخراج هر کانال ورودی به عنوان یک جریان جداگانه. پیش‌فرض "all" است.

انتخاب کانال‌هایی که در چینش کانال ورودی وجود ندارند منجر به خطا خواهد شد.

مثال‌ها

• برای مثال، با فرض یک پروندهٔ MP3 استریوی ورودی:

  ffmpeg -i in.mp3 -filter_complex channelsplit out.mkv

  یک پروندهٔ خروجی ماتروشکا با دو جریان صوتی ایجاد می‌کند، یکی حاوی فقط کانال چپ و دیگری کانال راست.

• تفکیک یک پروندهٔ WAV 5.1 به پرونده‌های جداگانه به‌ازای هر کانال:

  ffmpeg -i in.wav -filter_complex
  'channelsplit=channel_layout=5.1[FL][FR][FC][LFE][SL][SR]'
  -map '[FL]' front_left.wav -map '[FR]' front_right.wav -map '[FC]'
  front_center.wav -map '[LFE]' lfe.wav -map '[SL]' side_left.wav -map '[SR]'
  side_right.wav

• استخراج فقط LFE از یک پروندهٔ WAV 5.1:

  ffmpeg -i in.wav -filter_complex 'channelsplit=channel_layout=5.1:channels=LFE[LFE]'
  -map '[LFE]' lfe.wav

chorus

افزودن جلوهٔ کُر (chorus) به صدا.

می‌تواند صدای یک خواننده را شبیه به گروه همسرایان کند، اما می‌تواند بر روی سازها نیز اعمال شود.

کُر شبیه به یک جلوهٔ پژواک (echo) با تأخیر کوتاه است، اما در حالی که با پژواک تأخیر ثابت است، با کُر این تأخیر با مدولاسیون سینوسی یا مثلثی تغییر می‌کند. عمق مدولاسیون محدوده‌ای را تعیین می‌کند که تأخیر مدوله‌شده قبل یا بعد از تأخیر پخش می‌شود. از این رو صدای با تأخیر کندتر یا تندتر به نظر می‌رسد، یعنی صدای تأخیریافته حول صدای اصلی کوک می‌شود، درست مانند یک گروه کُر که در آن برخی صداها کمی خارج از کوک (off-key) هستند.

پارامترهای زیر را می‌پذیرد:

in_gain

تنظیم بهرهٔ ورودی. پیش‌فرض 0.4 است.

out_gain

تنظیم بهرهٔ خروجی. پیش‌فرض 0.4 است.

delays

تنظیم تأخیرها. یک تأخیر معمولی حدود 40ms تا 60ms است.

decays

تنظیم کاهش‌ها (decays).

speeds

تنظیم سرعت‌ها.

depths

تنظیم عمق‌ها.

مثال‌ها

• یک تأخیر منفرد:

  chorus=0.7:0.9:55:0.4:0.25:2

• دو تأخیر:

  chorus=0.6:0.9:50|60:0.4|0.32:0.25|0.4:2|1.3

• صدای کُر کامل‌تر با سه تأخیر:

  chorus=0.5:0.9:50|60|40:0.4|0.32|0.3:0.25|0.4|0.3:2|2.3|1.3

compand

فشرده‌سازی (compress) یا گسترش (expand) محدودهٔ دینامیکی صدا.

پارامترهای زیر را می‌پذیرد:

attacks

decays

فهرستی از زمان‌ها بر حسب ثانیه برای هر کانال که در طول آن سطح لحظه‌ای سیگنال ورودی برای تعیین حجم صدای آن میانگین‌گیری می‌شود. attacks به افزایش حجم صدا و decays به کاهش حجم صدا اشاره دارد. در اکثر موقعیت‌ها، زمان حمله (پاسخ به بلندتر شدن صدا) باید کوتاه‌تر از زمان کاهش باشد، زیرا گوش انسان به صدای بلند ناگهانی حساس‌تر از صدای آرام ناگهانی است. مقدار معمول برای حمله 0.3 ثانیه و برای کاهش 0.8 ثانیه است. اگر تعداد حملات و کاهش‌های مشخص‌شده کمتر از تعداد کانال‌ها باشد، آخرین حمله/کاهش تنظیم‌شده برای تمامی کانال‌های باقی‌مانده استفاده خواهد شد.

points

فهرستی از نقاط برای تابع انتقال، مشخص‌شده بر حسب dB نسبت به حداکثر دامنهٔ سیگنال ممکن. هر فهرست نقاط کلیدی باید با دستور زبان زیر تعریف شود: "x0/y0|x1/y1|x2/y2|...." یا "x0/y0 x1/y1 x2/y2 ...."

مقادیر ورودی باید کاملاً صعودی باشند اما تابع انتقال لزوماً نباید یکنواخت صعودی باشد. نقطهٔ "0/0" فرض می‌شود اما ممکن است بازنویسی شود (با "0/out-dBn"). مقادیر معمول برای تابع انتقال عبارتند از "-70/-70|-60/-20|1/0".

soft-knee

تنظیم شعاع منحنی بر حسب dB برای تمام اتصالات. پیش‌فرض 0.01 است.

gain

تنظیم بهرهٔ اضافی بر حسب dB برای اعمال در تمام نقاط تابع انتقال. این امکان تنظیم آسان بهرهٔ کلی را فراهم می‌سازد. پیش‌فرض 0 است.

volume

تنظیم حجم صدای اولیه، بر حسب dB، که هنگام شروع فیلترسازی برای هر کانال فرض می‌شود. این به کاربر اجازه می‌دهد سطح اسمی را در ابتدا تعیین کند، تا مثلاً بهرهٔ بسیار بزرگی پیش از شروع به کار فیلتر compand به سطوح اولیهٔ سیگنال اعمال نشود. مقدار معمول برای صدایی که در ابتدا آرام است -90 dB می‌باشد. پیش‌فرض 0 است.

delay

تنظیم تأخیر بر حسب ثانیه. صدای ورودی بلافاصله تحلیل می‌شود، اما صدا پیش از ارسال به تنظیم‌کنندهٔ حجم صدا دچار تأخیر می‌شود. مشخص کردن تأخیری تقریباً برابر با زمان‌های حمله/کاهش به فیلتر امکان می‌دهد که به جای حالت واکنشی، به‌طور مؤثر در حالت پیش‌بینانه عمل کند. پیش‌فرض 0 است.

مثال‌ها

• مناسب‌سازی موسیقی دارای بخش‌های آرام و بلند برای گوش دادن در محیطی پر سر و صدا:

  compand=.3|.3:1|1:-90/-60|-60/-40|-40/-30|-20/-20:6:0:-90:0.2

  مثالی دیگر برای صدایی با بخش‌های نجوا و انفجار:

  compand=0|0:1|1:-90/-900|-70/-70|-30/-9|0/-3:6:0:0:0

• یک نویز گیت برای زمانی که نویز در سطحی پایین‌تر از سیگنال است:

  compand=.1|.1:.2|.2:-900/-900|-50.1/-900|-50/-50:.01:0:-90:.1

• نویز گیت دیگری، این بار برای زمانی که نویز در سطحی بالاتر از سیگنال است (که آن را از جهاتی شبیه اسکوالچ می‌کند):

  compand=.1|.1:.1|.1:-45.1/-45.1|-45/-900|0/-900:.01:45:-90:.1

• فشرده‌سازی 2:1 با شروع از -6dB:

  compand=points=-80/-80|-6/-6|0/-3.8|20/3.5

• فشرده‌سازی 2:1 با شروع از -9dB:

  compand=points=-80/-80|-9/-9|0/-5.3|20/2.9

• فشرده‌سازی 2:1 با شروع از -12dB:

  compand=points=-80/-80|-12/-12|0/-6.8|20/1.9

• فشرده‌سازی 2:1 با شروع از -18dB:

  compand=points=-80/-80|-18/-18|0/-9.8|20/0.7

• فشرده‌سازی 3:1 با شروع از -15dB:

  compand=points=-80/-80|-15/-15|0/-10.8|20/-5.2

• کمپرسور/گیت:

  compand=points=-80/-105|-62/-80|-15.4/-15.4|0/-12|20/-7.6

• اکسپندر (گسترش‌دهنده):

  compand=attacks=0:points=-80/-169|-54/-80|-49.5/-64.6|-41.1/-41.1|-25.8/-15|-10.8/-4.5|0/0|20/8.3

• محدودکنندهٔ سخت (hard limiter) در -6dB:

  compand=attacks=0:points=-80/-80|-6/-6|20/-6

• محدودکنندهٔ سخت در -12dB:

  compand=attacks=0:points=-80/-80|-12/-12|20/-12

• نویز گیت سخت در -35 dB:

  compand=attacks=0:points=-80/-115|-35.1/-80|-35/-35|20/20

• محدودکنندهٔ نرم (soft limiter):

  compand=attacks=0:points=-80/-80|-12.4/-12.4|-6/-8|0/-6.8|20/-2.8

compensationdelay

خط تأخیر جبرانی (Compensation Delay Line) یک تأخیر متریک‌محور برای جبران موقعیت‌های متفاوت میکروفون‌ها یا بلندگوها است.

برای مثال، شما صدای گیتار را با دو میکروفون قرارگرفته در مکان‌های مختلف ضبط کرده‌اید. از آنجا که جبههٔ موج صوتی در شرایط عادی سرعت ثابتی دارد، فازبندی میکروفون‌ها می‌تواند متغیر بوده و به مکان و موقعیت نسبی آن‌ها بستگی دارد. بهترین میکس صوتی زمانی حاصل می‌شود که این میکروفون‌ها هم‌فاز (همگام) باشند. توجه داشته باشید که فاصلهٔ حدود ۳۰ سانتی‌متر بین میکروفون‌ها باعث می‌شود یکی از میکروفون‌ها سیگنال را در فاز مخالف (antiphase) نسبت به میکروفون دیگر دریافت کند. این امر باعث کدر و گرفته شدن میکس نهایی می‌شود. این فیلتر با افزودن تأخیرهای مختلف به هر ترک میکروفون و همگام ساختن آن‌ها به حل مشکلات فاز کمک می‌کند.

بهترین نتیجه زمانی حاصل می‌شود که یک ترک را به عنوان مبنا قرار دهید و سایر ترک‌ها را یکی‌یکی با آن همگام کنید. به یاد داشته باشید که تلورانس همگام‌سازی/تأخیر به نرخ نمونه‌برداری نیز بستگی دارد. نرخ‌های نمونه‌برداری بالاتر تلورانس بیشتری را فراهم می‌کنند.

فیلتر پارامترهای زیر را می‌پذیرد:

mm

تنظیم فاصله به میلی‌متر. این فاصلهٔ جبرانی برای تنظیم دقیق است. پیش‌فرض 0 است.

cm

تنظیم فاصله به سانتی‌متر. این فاصلهٔ جبرانی برای محکم‌تر کردن تنظیم فاصله است. پیش‌فرض 0 است.

m

تنظیم فاصله به متر. این فاصلهٔ جبرانی برای تنظیم کلی فاصله است. پیش‌فرض 0 است.

dry

تنظیم مقدار خشک. مقدار سیگنال پردازش‌نشده (خشک). پیش‌فرض 0 است.

wet

تنظیم مقدار خیس. مقدار سیگنال پردازش‌شده (خیس). پیش‌فرض 1 است.

temp

تنظیم دما بر حسب درجه سلسیوس. این دمای محیط است. پیش‌فرض 20 است.

دستورها

این فیلتر از تمامی گزینه‌های فوق به عنوان دستور پشتیبانی می‌کند.

crossfeed

اعمال فیلتر کراس‌فید (crossfeed) هدفون.

کراس‌فید فرایند ترکیب کانال‌های چپ و راست یک ضبط صوتی استریو است. این فیلتر عمدتاً برای کاهش تفکیک شدید استریو در فرکانس‌های پایین استفاده می‌شود.

هدف از این کار تولید صدایی شبیه‌تر به بلندگو برای شنونده است.

فیلتر گزینه‌های زیر را می‌پذیرد:

strength

تنظیم شدت کراس‌فید. پیش‌فرض 0.2 است. محدودهٔ مجاز از 0 تا 1 است. این گزینه بهرهٔ فیلتر low-shelf را برای بخش جانبی تصویر استریو تنظیم می‌کند. پیش‌فرض -6dB است. حداکثر مقدار مجاز با تنظیم شدت روی 1 برابر -30db است.

range

تنظیم وسعت صحنهٔ صوتی (soundstage). پیش‌فرض 0.5 است. محدودهٔ مجاز از 0 تا 1 است. این گزینه فرکانس قطع فیلتر low-shelf را تنظیم می‌کند. پیش‌فرض قطع نزدیک به 1550 Hz است. با تنظیم range بر روی 1 فرکانس قطع بر روی 2100 Hz تنظیم می‌شود.

slope

تنظیم شیب منحنی فیلتر low-shelf. پیش‌فرض 0.5 است. محدودهٔ مجاز از 0.01 تا 1 است.

level_in

تنظیم بهرهٔ ورودی. پیش‌فرض 0.9 است.

level_out

تنظیم بهرهٔ خروجی. پیش‌فرض 1 است.

block_size

تنظیم اندازهٔ بلوک مورد استفاده برای پردازش معکوس IIR. اگر این مقدار به اندازهٔ کافی بزرگ تنظیم شود (بزرگ‌تر از طول پاسخ ضربه که هنگام رسیدن به مقادیر نزدیک به صفر کوتاه می‌شود) فیلترسازی فاز خطی خواهد شد، در غیر این صورت اگر به اندازه کافی بزرگ نباشد فقط مصنوعات صوتی نامطلوب تولید می‌کند.

توجه داشته باشید که تأخیر فیلتر هنگام تنظیم به یک مقدار غیر صفر دقیقاً به همین تعداد نمونه خواهد بود.

دستورها

این فیلتر از تمامی گزینه‌های فوق به عنوان دستور پشتیبانی می‌کند.

crystalizer

الگوریتمی ساده برای شفاف‌سازی و تیز کردن نویز/سیگنال صوتی.

این فیلتر تفاوت‌های بین هر نمونهٔ صوتی را به صورت خطی افزایش می‌دهد.

فیلتر گزینه‌های زیر را می‌پذیرد:

i

تنظیم شدت جلوه (پیش‌فرض: 2.0). باید در محدوده بین -10.0 تا 0 (صدای بدون تغییر) تا 10.0 (حداکثر جلوه) باشد. برای معکوس کردن فیلترسازی از مقدار منفی استفاده کنید.

c

فعال‌سازی برش (clipping). به‌طور پیش‌فرض فعال است.

دستورها

این فیلتر از تمامی گزینه‌های فوق به عنوان دستور پشتیبانی می‌کند.

dcshift

اعمال یک شیفت DC به صدا.

این گزینه می‌تواند برای حذف یک آفست DC (که شاید ناشی از یک مشکل سخت‌افزاری در زنجیرهٔ ضبط باشد) از صدا مفید باشد. اثر آفست DC کاهش هدروم (headroom) و در نتیجه کاهش حجم صدا است. فیلتر astats می‌تواند برای تعیین اینکه آیا یک سیگنال آفست DC دارد یا خیر استفاده شود.

shift

تنظیم شیفت DC، محدودهٔ مجاز [-1, 1] است. این گزینه میزان شیفت صدا را نشان می‌دهد.

limitergain

اختیاری. باید مقداری بسیار کمتر از 1 داشته باشد (مثلاً 0.05 یا 0.02) و برای جلوگیری از برش (clipping) استفاده می‌شود.

deesser

اعمال دی‌اسر (de-essing) بر روی نمونه‌های صوتی.

i

تنظیم شدت برای راه‌اندازی de-essing. محدودهٔ مجاز از 0 تا 1 است. پیش‌فرض 0 است.

m

تنظیم میزان داکینگ (کاهش سطح) روی بخش زیر (treble) صدا. محدودهٔ مجاز از 0 تا 1 است. پیش‌فرض 0.5 است.

f

میزان محتوای فرکانسی اصلی که باید هنگام de-essing حفظ شود. محدودهٔ مجاز از 0 تا 1 است. پیش‌فرض 0.5 است.

s

تنظیم حالت خروجی.

مقادیر زیر را می‌پذیرد:

dialoguenhance

تقویت دیالوگ و مکالمه در صدای استریو.

این فیلتر ورودی استریو را می‌پذیرد و خروجی کانال‌های فراگیر (surround 3.0) تولید می‌کند. کانال سنتر جلو (front center) تازه تولیدشده دارای دیالوگ گفتاری تقویت‌شده است که در اصل در هر دو کانال استریو موجود بود. این فیلتر کانال‌های چپ جلو و راست جلو را همانند ورودی استریو در خروجی قرار می‌دهد.

فیلتر گزینه‌های زیر را می‌پذیرد:

original

تنظیم ضریب سنتر اصلی برای نگه‌داری در خروجی کانال سنتر جلو. محدودهٔ مجاز از 0 تا 1 است. مقدار پیش‌فرض 1 است.

enhance

تنظیم ضریب تقویت دیالوگ برای اعمال در خروجی کانال سنتر جلو. محدودهٔ مجاز از 0 تا 3 است. مقدار پیش‌فرض 1 است.

voice

تنظیم ضریب تشخیص صدا (voice). محدودهٔ مجاز از 2 تا 32 است. مقدار پیش‌فرض 2 است.

دستورها

این فیلتر از تمامی گزینه‌های فوق به عنوان دستور پشتیبانی می‌کند.

drmeter

اندازه‌گیری محدودهٔ دینامیکی صدا (DR).

مقادیر DR برابر 14 و بالاتر در محتوای بسیار پویا یافت می‌شود. مقادیر DR بین 8 تا 13 در محتوای گذرا یافت می‌شود. و هر مقدار کمتر از 8 پویایی بسیار ضعیفی داشته و بسیار فشرده است.

فیلتر گزینه‌های زیر را می‌پذیرد:

length

تنظیم طول پنجره بر حسب ثانیه که برای تقسیم صدا به قطعاتی با طول مساوی استفاده می‌شود. پیش‌فرض 3 ثانیه است.

dynaudnorm

نرمال‌ساز پویای صدا (Dynamic Audio Normalizer).

این فیلتر مقدار مشخصی بهره (gain) را به صدای ورودی اعمال می‌کند تا دامنهٔ اوج (peak magnitude) آن را به یک سطح هدف (مانند 0 dBFS) برساند. با این حال، برخلاف الگوریتم‌های نرمال‌سازی «ساده‌تر»، نرمال‌ساز پویای صدا ضریب بهره را *به‌طور پویا* برای صدای ورودی دوباره تنظیم می‌کند. این امر امکان اعمال بهرهٔ اضافی را به بخش‌های «آرام» صدا فراهم می‌آورد و در عین حال از اعوجاج یا برش (clipping) در بخش‌های «بلند» جلوگیری می‌کند. به عبارت دیگر: نرمال‌ساز پویای صدا حجم صدای بخش‌های آرام و بلند را «یکدست» می‌کند، به این معنا که حجم صدای هر بخش به همان سطح هدف رسانده می‌شود. با این حال توجه داشته باشید که نرمال‌ساز پویای صدا این هدف را *بدون* اعمال «فشرده‌سازی محدودهٔ دینامیکی» محقق می‌سازد. این فیلتر ۱۰۰٪ محدودهٔ دینامیکی را *درون* هر بخش از پروندهٔ صوتی حفظ خواهد کرد.

framelen, f

تنظیم طول فریم بر حسب میلی‌ثانیه. در محدودهٔ 10 تا 8000 میلی‌ثانیه. پیش‌فرض 500 میلی‌ثانیه است. نرمال‌ساز پویای صدا صدای ورودی را در قطعات کوچک، موسوم به فریم، پردازش می‌کند. این امر ضروری است زیرا دامنهٔ اوج برای صرفاً یک مقدار نمونه بی‌معنی است. در عوض، ما باید دامنهٔ اوج را برای یک توالی پیوسته از مقادیر نمونه تعیین کنیم. در حالی که یک نرمال‌ساز «استاندارد» صرفاً از دامنهٔ اوج کل پرونده استفاده می‌کند، نرمال‌ساز پویای صدا دامنهٔ اوج را به صورت جداگانه برای هر فریم تعیین می‌نماید. طول فریم بر حسب میلی‌ثانیه مشخص می‌شود. به‌طور پیش‌فرض، نرمال‌ساز پویای صدا از طول فریم 500 میلی‌ثانیه استفاده می‌کند که مشخص شده است نتایج خوبی را در اکثر پرونده‌ها ارائه می‌دهد. توجه داشته باشید که طول دقیق فریم، بر حسب تعداد نمونه‌ها، به‌طور خودکار بر اساس نرخ نمونه‌برداری پروندهٔ صوتی ورودی مشخص خواهد شد.

gausssize, g

تنظیم اندازهٔ پنجرهٔ فیلتر گاوسی. در محدودهٔ 3 تا 301، باید یک عدد فرد باشد. پیش‌فرض 31 است. احتمالاً مهم‌ترین پارامتر نرمال‌ساز پویای صدا، "اندازهٔ پنجره" فیلتر هموارساز گاوسی است. اندازهٔ پنجرهٔ فیلتر بر حسب فریم، با مرکزیت فریم فعلی مشخص می‌شود. برای سادگی، این مقدار باید عددی فرد باشد. در نتیجه، مقدار پیش‌فرض 31 فریم فعلی و همچنین 15 فریم قبلی و 15 فریم بعدی را در نظر می‌گیرد. استفاده از یک پنجرهٔ بزرگ‌تر منجر به جلوهٔ هموارسازی قوی‌تر و بنابراین تغییرات بهرهٔ کمتر، یعنی انطباق کندتر بهره می‌شود. برعکس، استفاده از یک پنجرهٔ کوچک‌تر منجر به جلوهٔ هموارسازی ضعیف‌تر و در نتیجه تغییرات بهرهٔ بیشتر، یعنی انطباق سریع‌تر بهره می‌گردد. به عبارت دیگر، هر چه این مقدار را افزایش دهید، نرمال‌ساز پویای صدا بیشتر مانند یک فیلتر نرمال‌سازی «سنتی» رفتار خواهد کرد. برعکس، هر چه این مقدار را کاهش دهید، نرمال‌ساز پویای صدا بیشتر شبیه به یک کمپرسور محدودهٔ دینامیکی عمل خواهد کرد.

peak, p

تنظیم مقدار اوج هدف. این گزینه بالاترین سطح دامنهٔ مجاز را برای ورودی صوتی نرمال‌شده مشخص می‌کند. این فیلتر تلاش می‌کند تا حد ممکن به دامنهٔ اوج هدف نزدیک شود، اما در عین حال اطمینان حاصل می‌کند که سیگنال نرمال‌شده هرگز از دامنهٔ اوج فراتر نرود. حداکثر ضریب بهرهٔ محلی یک فریم مستقیماً توسط دامنهٔ اوج هدف تعیین می‌شود. مقدار پیش‌فرض 0.95 است و در نتیجه یک هدروم ۵٪ به جا می‌گذارد. فراتر رفتن از این مقدار توصیه نمی‌شود.

maxgain, m

تنظیم حداکثر ضریب بهره. در محدودهٔ 1.0 تا 100.0. پیش‌فرض 10.0 است. نرمال‌ساز پویای صدا حداکثر ضریب بهرهٔ ممکن (محلی) را برای هر فریم ورودی تعیین می‌کند، یعنی حداکثر ضریب بهره‌ای که منجر به برش (clipping) یا اعوجاج نشود. حداکثر ضریب بهره توسط بالاترین دامنهٔ نمونه در آن فریم تعیین می‌شود. با این حال، نرمال‌ساز پویای صدا حداکثر ضریب بهرهٔ فریم را علاوه بر این توسط یک حداکثر ضریب بهرهٔ از پیش تعیین‌شده (سراسری) محدود می‌کند. این کار به منظور جلوگیری از ضرایب بهرهٔ بیش از حد در فریم‌های «ساکت» یا تقریباً ساکت انجام می‌شود. به‌طور پیش‌فرض، حداکثر ضریب بهره 10.0 است. برای اکثر ورودی‌ها مقدار پیش‌فرض باید کافی باشد و معمولاً افزایش این مقدار توصیه نمی‌شود. هرچند، برای ورودی‌هایی با حجم صدای کلی بسیار پایین، ممکن است مجاز دانستن ضرایب بهرهٔ حتی بالاتر ضروری باشد. با این حال توجه داشته باشید که نرمال‌ساز پویای صدا صرفاً یک آستانهٔ «سخت» اعمال نمی‌کند (یعنی بریدن مقادیر بالای آستانه). در عوض، یک تابع آستانهٔ «سیگموئید» اعمال خواهد شد. به این ترتیب، ضرایب بهره به‌طور نرم به مقدار آستانه نزدیک می‌شوند، اما هرگز از آن فراتر نخواهند رفت.

targetrms, r

تنظیم RMS هدف. در محدودهٔ 0.0 تا 1.0. پیش‌فرض 0.0 - غیرفعال است. به‌طور پیش‌فرض، نرمال‌ساز پویای صدا نرمال‌سازی «اوج» (peak) را انجام می‌دهد. این بدان معناست که حداکثر ضریب بهرهٔ محلی برای هر فریم (صرفاً) توسط نمونه با بالاترین دامنه در آن فریم تعریف می‌شود. به این ترتیب، نمونه‌ها می‌توانند بدون فراتر رفتن از حداکثر سطح سیگنال، یعنی بدون برش، تا حد امکان تقویت شوند. با این حال، به صورت اختیاری، نرمال‌ساز پویای صدا می‌تواند جذر میانگین مربعات فریم، با کوته‌نوشت RMS را نیز در نظر بگیرد. در مهندسی برق، RMS معمولاً برای تعیین توان یک سیگنال متغیر با زمان استفاده می‌شود. بنابراین در نظر گرفته می‌شود که RMS تقریب بهتری از «بلندی صدای ادراک‌شده» نسبت به صرفاً بررسی دامنهٔ اوج سیگنال است. در نتیجه، با تنظیم تمام فریم‌ها روی یک مقدار RMS ثابت، می‌توان یک «بلندی صدای ادراک‌شدهٔ» یکنواخت برقرار کرد. اگر یک مقدار RMS هدف مشخص شده باشد، ضریب بهرهٔ محلی یک فریم به عنوان ضریبی تعریف می‌شود که دقیقاً به همان مقدار RMS منجر گردد. با این حال توجه داشته باشید که حداکثر ضریب بهرهٔ محلی همچنان توسط نمونه با بالاترین دامنه در فریم محدود می‌شود تا از برش جلوگیری شود.

coupling, n

فعال‌سازی کوپلینگ (اتصال متقابل) کانال‌ها. به‌طور پیش‌فرض فعال است. به‌طور پیش‌فرض، نرمال‌ساز پویای صدا تمام کانال‌ها را به یک اندازه تقویت می‌کند. این بدان معناست که ضریب بهرهٔ یکسانی به تمام کانال‌ها اعمال خواهد شد، یعنی حداکثر ضریب بهرهٔ ممکن توسط «بلندترین» کانال تعیین می‌شود. با این حال، در برخی ضبط‌ها ممکن است حجم صدای کانال‌های مختلف ناهمگون باشد، مثلاً یک کانال «آرام‌تر» از کانال(های) دیگر باشد. در این حالت، می‌توان از این گزینه برای غیرفعال کردن کوپلینگ کانال‌ها استفاده کرد. به این ترتیب، ضریب بهره به‌طور مستقل برای هر کانال و فقط بر اساس بالاترین دامنهٔ نمونه در همان کانال تعیین خواهد شد. این ویژگی امکان هماهنگ‌سازی حجم صدای کانال‌های مختلف را فراهم می‌کند.

correctdc, c

فعال‌سازی تصحیح بایاس DC (آفست DC). به‌طور پیش‌فرض غیرفعال است. یک سیگنال صوتی (در حوزهٔ زمان) توالی‌ای از مقادیر نمونه است. در نرمال‌ساز پویای صدا این مقادیر نمونه، بدون در نظر گرفتن قالب ورودی اصلی، در محدودهٔ -1.0 تا 1.0 نشان داده می‌شوند. به‌طور معمول، سیگنال صوتی، یا «شکل موج»، باید حول نقطهٔ صفر متمرکز باشد. این بدان معناست که اگر میانگین تمام نمونه‌ها در یک پرونده یا در یک فریم منفرد را محاسبه کنیم، نتیجه باید 0.0 یا حداقل بسیار نزدیک به آن مقدار باشد. با این حال، اگر انحراف قابل توجهی در مقدار میانگین از 0.0، در جهت مثبت یا منفی وجود داشته باشد، به عنوان بایاس DC یا آفست DC شناخته می‌شود. از آنجا که بایاس DC مسلماً نامطلوب است، نرمال‌ساز پویای صدا تصحیح اختیاری بایاس DC را ارائه می‌دهد. با فعال بودن تصحیح بایاس DC، نرمال‌ساز پویای صدا مقدار میانگین یا آفست «تصحیح DC» را برای هر فریم ورودی تعیین کرده و آن مقدار را از تمام مقادیر نمونه‌های فریم تفریق می‌کند که تضمین می‌نماید آن نمونه‌ها دوباره حول 0.0 متمرکز شوند. همچنین، به منظور جلوگیری از «شکاف‌ها» در مرزهای فریم، مقادیر آفست تصحیح DC به‌طور نرم بین فریم‌های همسایه درون‌یابی خواهند شد.

altboundary, b

فعال‌سازی حالت مرزی جایگزین. به‌طور پیش‌فرض غیرفعال است. نرمال‌ساز پویای صدا همسایگی مشخصی را در اطراف هر فریم در نظر می‌گیرد. این شامل فریم‌های قبلی و همچنین فریم‌های بعدی می‌شود. با این حال، برای فریم‌های «مرزی» که در ابتدای آغازین و در انتهای پایانی پروندهٔ صوتی قرار دارند، تمام فریم‌های همسایه در دسترس نیستند. به ویژه، برای چند فریم اول در پروندهٔ صوتی، فریم‌های قبلی شناخته‌شده نیستند. و به همین ترتیب، برای چند فریم آخر در پروندهٔ صوتی، فریم‌های بعدی شناخته‌شده نیستند. بنابراین، این پرسش مطرح می‌شود که چه ضرایب بهره‌ای باید برای فریم‌های ناموجود در ناحیهٔ «مرزی» فرض شود. نرمال‌ساز پویای صدا دو حالت را برای رسیدگی به این وضعیت پیاده‌سازی می‌کند. حالت مرزی پیش‌فرض ضریب بهرهٔ دقیقاً 1.0 را برای فریم‌های مفقود در نظر می‌گیرد که به یک «محو شدن تدریجی ورودی» (fade in) و «محو شدن تدریجی خروجی» (fade out) نرم به ترتیب در ابتدا و انتهای ورودی منجر می‌شود.

compress, s

تنظیم ضریب فشرده‌سازی. در محدودهٔ 0.0 تا 30.0. پیش‌فرض 0.0 است. به‌طور پیش‌فرض، نرمال‌ساز پویای صدا فشرده‌سازی «سنتی» را اعمال نمی‌کند. این بدان معناست که اوج‌های سیگنال بریده نخواهند شد و بنابراین محدودهٔ دینامیکی کامل درون هر همسایگی محلی حفظ خواهد شد. با این حال، در برخی موارد ممکن است ترکیب الگوریتم نرمال‌سازی نرمال‌ساز پویای صدا با یک فشرده‌سازی «سنتی‌تر» مطلوب باشد. برای این منظور، نرمال‌ساز پویای صدا یک تابع فشرده‌سازی اختیاری (اعمال آستانه) را ارائه می‌دهد. اگر (و تنها اگر) ویژگی فشرده‌سازی فعال باشد، تمام فریم‌های ورودی پیش از فرایند نرمال‌سازی واقعی توسط یک تابع آستانه‌گذاری با زانو نرم (soft knee) پردازش خواهند شد. به زبان ساده، تابع آستانه‌گذاری تمام نمونه‌هایی را که دامنهٔ آن‌ها از یک مقدار آستانهٔ مشخص فراتر می‌رود هرس می‌کند. با این حال، نرمال‌ساز پویای صدا صرفاً یک مقدار آستانهٔ ثابت را اعمال نمی‌کند. در عوض، مقدار آستانه برای هر فریم منفرد تنظیم خواهد شد. به‌طور کلی، پارامترهای کوچک‌تر به فشرده‌سازی قوی‌تر منجر می‌شوند و برعکس. مقادیر زیر 3.0 توصیه نمی‌شوند، زیرا ممکن است اعوجاج قابل شنیدن پدیدار شود.

threshold, t

تنظیم مقدار آستانهٔ هدف. این گزینه پایین‌ترین سطح دامنهٔ مجاز را برای ورودی صوتی که نرمال خواهد شد مشخص می‌کند. اگر حجم صدای فریم ورودی بالاتر از این مقدار باشد، فریم نرمال خواهد شد. در غیر این صورت ممکن است فریم اصلاً نرمال نشود. مقدار پیش‌فرض روی 0 تنظیم شده است، که یعنی تمام فریم‌های ورودی نرمال خواهند شد. این گزینه بیشتر در صورتی مفید است که تقویت نویز دیجیتال مورد نظر نباشد.

channels, h

تعیین کانال‌های مورد نظر برای فیلترسازی، به‌طور پیش‌فرض تمام کانال‌های موجود فیلتر می‌شوند.

overlap, o

تعیین هم‌پوشانی برای فریم‌ها. اگر روی 0 (پیش‌فرض) تنظیم شود هیچ هم‌پوشانی فریمی انجام نمی‌شود. استفاده از مقادیر >0 و <1 باعث تنظیمات بهرهٔ کمتر محافظه‌کارانه می‌شود، مانند زمانی که گزینه framelen روی مقدار کوچک‌تری تنظیم شده است؛ اگر مقدار گزینه framelen برای هم‌پوشانی غیرصفر جبران شود، تنظیمات بهره در طول زمان در مقایسه با حالت هم‌پوشانی صفر روان‌تر خواهد بود.

curve, v

تعیین عبارت منحنی نگاشت اوج که قرار است هنگام محاسبهٔ بهرهٔ اعمال‌شده به فریم‌ها استفاده شود. حداکثر بهرهٔ فریم خروجی همچنان توسط سایر گزینه‌های قبلی ذکرشده برای این فیلتر محدود خواهد بود.

عبارت می‌تواند شامل ثوابت زیر باشد:

دستورها

این فیلتر از تمامی گزینه‌های فوق به عنوان دستور پشتیبانی می‌کند.

earwax

آسان‌تر ساختن گوش دادن به صدا با هدفون.

این فیلتر نشانه‌ها یا سرنخ‌هایی (cues) را به صدای استریوی 44.1kHz (یعنی قالب CD صوتی) اضافه می‌کند تا هنگام گوش دادن با هدفون، تصویر استریو از داخل سر شما (حالت استاندارد برای هدفون) به بیرون و در مقابل شنونده (حالت استاندارد برای بلندگوها) منتقل شود.

پورت‌شده از SoX.

equalizer

اعمال یک فیلتر اکولایزر پیک دوقطبی (two-pole peaking EQ). با این فیلتر، سطح سیگنال در فرکانس انتخابی و اطراف آن می‌تواند افزایش یا کاهش یابد، در حالی که (برخلاف فیلترهای میان‌گذر و میان‌ناگذر) سطح سیگنال در تمام فرکانس‌های دیگر بدون تغییر باقی می‌ماند.

به منظور تولید منحنی‌های اکولایزاسیون پیچیده، این فیلتر می‌تواند چندین بار داده شود، که هر بار با یک فرکانس مرکزی متفاوت همراه است.

فیلتر گزینه‌های زیر را می‌پذیرد:

frequency, f

تنظیم فرکانس مرکزی فیلتر بر حسب Hz.

width_type, t

تنظیم روش مشخص کردن پهنای باند فیلتر.

width, w

تعیین پهنای باند فیلتر بر حسب واحدهای width_type.

gain, g

تنظیم بهره یا تضعیف مورد نیاز بر حسب dB. هنگام استفاده از بهرهٔ مثبت مراقب برش (clipping) باشید.

mix, m

میزان استفاده از سیگنال فیلترشده در خروجی. پیش‌فرض 1 است. محدوده بین 0 و 1 است.

channels, c

تعیین کانال‌های مورد نظر برای فیلترسازی، به‌طور پیش‌فرض همه کانال‌های موجود فیلتر می‌شوند.

normalize, n

نرمال‌سازی ضرایب biquad، به‌طور پیش‌فرض غیرفعال است. فعال کردن آن پاسخ دامنه در DC را به 0dB نرمال می‌کند.

transform, a

تنظیم نوع تبدیل فیلتر IIR.

precision, r

تنظیم دقت فیلترسازی.

block_size, b

تنظیم اندازهٔ بلوک مورد استفاده برای پردازش معکوس IIR. اگر این مقدار به اندازهٔ کافی بزرگ تنظیم شود (بزرگ‌تر از طول پاسخ ضربه که هنگام رسیدن به مقادیر نزدیک به صفر کوتاه می‌شود) فیلترسازی فاز خطی خواهد شد، در غیر این صورت اگر به اندازهٔ کافی بزرگ نباشد فقط مصنوعات صوتی نامطلوب تولید می‌کند.

توجه داشته باشید که تأخیر فیلتر هنگام تنظیم به یک مقدار غیر صفر دقیقاً به همین تعداد نمونه خواهد بود.

مثال‌ها

• تضعیف 10 dB در 1000 Hz، با پهنای باند 200 Hz:

  equalizer=f=1000:t=h:width=200:g=-10

• اعمال 2 dB بهره در 1000 Hz با ضریب Q برابر 1 و تضعیف 5 dB در 100 Hz با Q برابر 2:

  equalizer=f=1000:t=q:w=1:g=2,equalizer=f=100:t=q:w=2:g=-5

دستورها

این فیلتر از دستورهای زیر پشتیبانی می‌کند:

frequency, f

تغییر فرکانس اکولایزر. دستور زبان برای این دستور: "frequency"

width_type, t

تغییر width_type اکولایزر. دستور زبان برای این دستور: "width_type"

width, w

تغییر پهنای باند اکولایزر. دستور زبان برای این دستور: "width"

gain, g

تغییر بهرهٔ اکولایزر. دستور زبان برای این دستور: "gain"

mix, m

تغییر میکس اکولایزر. دستور زبان برای این دستور: "mix"

extrastereo

افزایش خطی تفاوت بین کانال‌های چپ و راست که نوعی جلوهٔ «زنده» (live) به پخش صدا می‌افزاید.

فیلتر گزینه‌های زیر را می‌پذیرد:

m

تنظیم ضریب اختلاف (پیش‌فرض: 2.5). مقدار 0.0 به معنای صدای مونو (میانگین هر دو کانال) است، با 1.0 صدا بدون تغییر خواهد بود، با -1.0 کانال‌های چپ و راست جابه‌جا می‌شوند.

c

فعال‌سازی برش (clipping). به‌طور پیش‌فرض فعال است.

دستورها

این فیلتر از تمامی گزینه‌های فوق به عنوان دستور پشتیبانی می‌کند.

firequalizer

اعمال اکولایزاسیون FIR با استفاده از پاسخ فرکانسی دلخواه.

فیلتر گزینه‌های زیر را می‌پذیرد:

gain

تنظیم معادلهٔ منحنی بهره (بر حسب dB). عبارت می‌تواند شامل متغیرها باشد:

gain_entry

تنظیم ورودی بهره برای تابع gain_interpolate. عبارت می‌تواند شامل توابع باشد:

delay

تنظیم تأخیر فیلتر بر حسب ثانیه. مقدار بالاتر به معنای دقت بیشتر است. پیش‌فرض 0.01 است.

accuracy

تنظیم دقت فیلتر بر حسب Hz. مقدار کمتر به معنای دقت بیشتر است. پیش‌فرض 5 است.

wfunc

تنظیم تابع پنجره. مقادیر قابل قبول عبارتند از:

fixed

در صورت فعال بودن، از تعداد ثابتی از نمونه‌های صوتی استفاده می‌کند. این کار سرعت را هنگام فیلترسازی با تأخیر زیاد بهبود می‌بخشد. پیش‌فرض غیرفعال است.

multi

فعال‌سازی ارزیابی چندکاناله بر روی بهره. پیش‌فرض غیرفعال است.

zero_phase

فعال‌سازی حالت فاز صفر با کسر برچسب زمانی برای جبران تأخیر. پیش‌فرض غیرفعال است.

scale

تنظیم مقیاس مورد استفاده توسط بهره. مقادیر قابل قبول عبارتند از:

dumpfile

تنظیم پرونده برای تخلیه داده‌ها (dump)، مناسب برای gnuplot.

dumpscale

تنظیم مقیاس برای dumpfile. مقادیر قابل قبول همان مقادیر گزینه scale هستند. پیش‌فرض linlog است.

fft2

فعال‌سازی کانولوشن ۲ کاناله با استفاده از FFT مختلط. این کار سرعت را به‌طور قابل توجهی بهبود می‌بخشد. پیش‌فرض غیرفعال است.

min_phase

فعال‌سازی پاسخ ضربه با حداقل فاز (minimum phase). پیش‌فرض غیرفعال است.

مثال‌ها

• پایین‌گذر در 1000 Hz:

  firequalizer=gain='if(lt(f,1000), 0, -INF)'

• پایین‌گذر در 1000 Hz با gain_entry:

  firequalizer=gain_entry='entry(1000,0); entry(1001, -INF)'

• اکولایزاسیون سفارشی:

  firequalizer=gain_entry='entry(100,0); entry(400, -4); entry(1000, -6); entry(2000, 0)'

• تأخیر بالاتر با فاز صفر برای جبران تأخیر:

  firequalizer=delay=0.1:fixed=on:zero_phase=on

• پایین‌گذر روی کانال چپ، بالاگذر روی کانال راست:

  firequalizer=gain='if(eq(chid,1), gain_interpolate(f), if(eq(chid,2), gain_interpolate(1e6+f), 0))'
  :gain_entry='entry(1000, 0); entry(1001,-INF); entry(1e6+1000,0)':multi=on

flanger

اعمال جلوهٔ فلانجر (flanging) به صدا.

فیلتر گزینه‌های زیر را می‌پذیرد:

delay

تنظیم تأخیر پایه بر حسب میلی‌ثانیه. محدوده از 0 تا 30. مقدار پیش‌فرض 0 است.

depth

تنظیم تأخیر جاروب (sweep) اضافه شده بر حسب میلی‌ثانیه. محدوده از 0 تا 10. مقدار پیش‌فرض 2 است.

regen

تنظیم درصد بازتولید (بازخورد سیگنال تأخیریافته). محدوده از -95 تا 95. مقدار پیش‌فرض 0 است.

width

تنظیم درصد سیگنال تأخیریافتهٔ ترکیب‌شده با سیگنال اصلی. محدوده از 0 تا 100. مقدار پیش‌فرض 71 است.

speed

تنظیم تعداد جاروب‌ها در هر ثانیه (Hz). محدوده از 0.1 تا 10. مقدار پیش‌فرض 0.5 است.

shape

تنظیم شکل موج جاروب، می‌تواند triangular (مثلثی) یا sinusoidal (سینوسی) باشد. مقدار پیش‌فرض sinusoidal است.

phase

تنظیم درصد شیفت موج جاروب برای چندکاناله. محدوده از 0 تا 100. مقدار پیش‌فرض 25 است.

interp

تنظیم درون‌یابی خط تأخیر، linear (خطی) یا quadratic (درجه دوم). پیش‌فرض linear است.

haas

اعمال جلوهٔ هاس (Haas effect) به صدا.

توجه داشته باشید که اعمال این فیلتر بر روی سیگنال‌های مونو بیشترین کاربرد را دارد. با اعمال این فیلتر بر روی سیگنال‌های مونو، مقداری جهت‌مندی به صدا داده شده و تصویر استریوی آن بسط داده می‌شود.

فیلتر گزینه‌های زیر را می‌پذیرد:

level_in

تنظیم سطح ورودی. به‌طور پیش‌فرض 1 یا 0dB است.

level_out

تنظیم سطح خروجی. به‌طور پیش‌فرض 1 یا 0dB است.

side_gain

تنظیم بهرهٔ اعمال‌شده به بخش جانبی سیگنال. به‌طور پیش‌فرض 1 است.

middle_source

تنظیم نوع منبع میانی. می‌تواند یکی از موارد زیر باشد:

middle_phase

تغییر فاز میانی. به‌طور پیش‌فرض غیرفعال است.

left_delay

تنظیم تأخیر کانال چپ. به‌طور پیش‌فرض 2.05 میلی‌ثانیه است.

left_balance

تنظیم تراز (balance) کانال چپ. به‌طور پیش‌فرض -1 است.

left_gain

تنظیم بهرهٔ کانال چپ. به‌طور پیش‌فرض 1 است.

left_phase

تغییر فاز چپ. به‌طور پیش‌فرض غیرفعال است.

right_delay

تنظیم تأخیر کانال راست. به‌طور پیش‌فرض 2.12 میلی‌ثانیه است.

right_balance

تنظیم تراز کانال راست. به‌طور پیش‌فرض 1 است.

right_gain

تنظیم بهرهٔ کانال راست. به‌طور پیش‌فرض 1 است.

right_phase

تغییر فاز راست. به‌طور پیش‌فرض فعال است.

hdcd

رمزگشایی داده‌های HDCD (سازگار با وضوح بالا). یک استریم PCM شانزده بیتی با کدهای HDCD جاسازی‌شده به یک استریم PCM بیست بیتی گسترش می‌یابد.

این فیلتر از ویژگی‌های Peak Extend و Low-level Gain Adjustment در HDCD پشتیبانی کرده و پرچم Transient Filter را تشخیص می‌دهد.

ffmpeg -i HDCD16.flac -af hdcd OUT24.flac

هنگام استفاده از فیلتر با wav، توجه داشته باشید که کدگذاری پیش‌فرض برای wav شانزده بیتی است، بنابراین استریم ۲۰ بیتی حاصل دوباره به ۱۶ بیت بریده (truncate) خواهد شد. برای دریافت خروجی PCM بیست و چهار بیتی، از چیزی مانند -acodec pcm_s24le بعد از فیلتر استفاده کنید.

ffmpeg -i HDCD16.wav -af hdcd OUT16.wav
ffmpeg -i HDCD16.wav -af hdcd -c:a pcm_s24le OUT24.wav

فیلتر گزینه‌های زیر را می‌پذیرد:

disable_autoconvert

غیرفعال‌سازی هرگونه تبدیل خودکار قالب یا نمونه‌برداری مجدد در گراف فیلتر.

process_stereo

پردازش هم‌زمان کانال‌های استریو با یکدیگر. اگر target_gain بین کانال‌ها مطابقت نداشته باشد، آن را نامعتبر در نظر گرفته و از آخرین target_gain معتبر استفاده می‌کند.

cdt_ms

تنظیم دورهٔ زمانی تایمر تشخیص کد بر حسب میلی‌ثانیه.

force_pe

همیشه اوج‌های بالاتر از -3dBFS را گسترش بده، حتی اگر PE سیگنال داده نشده باشد.

analyze_mode

جایگزینی صدا با یک تون یکنواخت و تنظیم دامنه برای نشان دادن جنبه‌ای خاص از فرایند رمزگشایی. پرونده خروجی می‌تواند در یک ویرایشگر صوتی در کنار پرونده اصلی برای کمک به تحلیل بارگذاری شود.

"analyze_mode=pe:force_pe=true" می‌تواند برای مشاهدهٔ تمام نمونه‌های بالای سطح PE استفاده شود.

حالت‌ها عبارتند از:

headphone

اعمال توابع تبدیل وابسته به سر (HRTF) برای ایجاد بلندگوهای مجازی در اطراف کاربر جهت گوش دادن دوگوشی (binaural) از طریق هدفون. پاسخ‌های ضربهٔ وابسته به سر (HRIR) از طریق استریم‌های اضافی ارائه می‌شوند؛ برای هر کانال به یک استریم ورودی استریو نیاز است.

فیلتر گزینه‌های زیر را می‌پذیرد:

map

تنظیم نگاشت استریم‌های ورودی برای کانولوشن. شناسه فهرستی جداشده با '|' از نام‌های کانال به ترتیبی است که به عنوان ورودی‌های استریم اضافی به فیلتر داده شده‌اند. این گزینه همچنین تعداد استریم‌های ورودی را مشخص می‌کند. تعداد استریم‌های ورودی نباید کمتر از تعداد کانال‌های استریم اول به اضافهٔ یک باشد.

gain

تنظیم بهرهٔ اعمال‌شده به صدا. مقدار بر حسب dB است. پیش‌فرض 0 است.

type

تنظیم نوع پردازش. می‌تواند time یا freq باشد. time پردازش صدا در حوزهٔ زمان است که کند می‌باشد. freq پردازش صدا در حوزهٔ فرکانس است که سریع می‌باشد. پیش‌فرض freq است.

lfe

تنظیم بهرهٔ سفارشی برای کانال‌های LFE. مقدار بر حسب dB است. پیش‌فرض 0 است.

size

تنظیم اندازهٔ فریم بر حسب تعداد نمونه‌هایی که به طور همزمان پردازش می‌شوند. مقدار پیش‌فرض 1024 است. محدودهٔ مجاز از 1024 تا 96000 است.

hrir

تنظیم قالب استریم hrir. مقدار پیش‌فرض stereo است. مقدار جایگزین multich می‌باشد. اگر مقدار روی stereo تنظیم شود، تعداد استریم‌های اضافی باید بزرگتر یا مساوی با تعداد کانال‌های ورودی در اولین استریم ورودی باشد. همچنین هر استریم اضافی باید دارای تعداد کانال‌های استریو باشد. اگر مقدار روی multich تنظیم شود، تعداد استریم‌های اضافی باید دقیقاً یکی باشد. همچنین تعداد کانال‌های ورودی استریم اضافی باید مساوی یا بزرگتر از دو برابر تعداد کانال‌های اولین استریم ورودی باشد.

مثال‌ها

• مثال کامل با استفاده از پرونده‌های wav به عنوان ضرایب همراه با فیلترهای amovie برای تبدیل کاهشی 7.1 (downmix)؛ هر فیلتر amovie از یک پروندهٔ استریو با ضرایب IR به عنوان ورودی استفاده می‌کند. پرونده‌ها ضرایب را برای هر موقعیت از بلندگوی مجازی ارائه می‌دهند:

  ffmpeg -i input.wav
  -filter_complex "amovie=azi_270_ele_0_DFC.wav[sr];amovie=azi_90_ele_0_DFC.wav[sl];amovie=azi_225_ele_0_DFC.wav[br];amovie=azi_135_ele_0_DFC.wav[bl];amovie=azi_0_ele_0_DFC.wav,asplit[fc][lfe];amovie=azi_35_ele_0_DFC.wav[fl];amovie=azi_325_ele_0_DFC.wav[fr];[0:a][fl][fr][fc][lfe][bl][br][sl][sr]headphone=FL|FR|FC|LFE|BL|BR|SL|SR"
  output.wav

• مثال کامل با استفاده از پرونده‌های wav به عنوان ضرایب همراه با فیلترهای amovie برای تبدیل کاهشی 7.1، اما اکنون در قالب multich hrir:

  ffmpeg -i input.wav -filter_complex "amovie=minp.wav[hrirs];[0:a][hrirs]headphone=map=FL|FR|FC|LFE|BL|BR|SL|SR:hrir=multich"
  output.wav

highpass

اعمال یک فیلتر بالاگذر با فرکانس نقطهٔ 3dB. فیلتر می‌تواند تک‌قطبی یا دوقطبی (پیش‌فرض) باشد. شیب افت فیلتر (roll off) برابر با 6dB به‌ازای هر قطب در هر اکتاو (20dB به‌ازای هر قطب در هر دهه) است.

فیلتر گزینه‌های زیر را می‌پذیرد:

frequency, f

تنظیم فرکانس بر حسب Hz. پیش‌فرض 3000 است.

poles, p

تنظیم تعداد قطب‌ها. پیش‌فرض 2 است.

width_type, t

تنظیم روش مشخص کردن پهنای باند فیلتر.

width, w

تعیین پهنای باند فیلتر بر حسب واحدهای width_type. فقط برای فیلتر دوقطبی اعمال می‌شود. پیش‌فرض 0.707q است و پاسخ باترورث (Butterworth) می‌دهد.

mix, m

میزان استفاده از سیگنال فیلترشده در خروجی. پیش‌فرض 1 است. محدوده بین 0 و 1 است.

channels, c

تعیین کانال‌های مورد نظر برای فیلترسازی، به‌طور پیش‌فرض همه کانال‌های موجود فیلتر می‌شوند.

normalize, n

نرمال‌سازی ضرایب biquad، به‌طور پیش‌فرض غیرفعال است. فعال کردن آن پاسخ دامنه در DC را به 0dB نرمال می‌کند.

transform, a

تنظیم نوع تبدیل فیلتر IIR.

precision, r

تنظیم دقت فیلترسازی.

block_size, b

تنظیم اندازهٔ بلوک مورد استفاده برای پردازش معکوس IIR. اگر این مقدار به اندازهٔ کافی بزرگ تنظیم شود (بزرگ‌تر از طول پاسخ ضربه که هنگام رسیدن به مقادیر نزدیک به صفر کوتاه می‌شود) فیلترسازی فاز خطی خواهد شد، در غیر این صورت اگر به اندازه کافی بزرگ نباشد فقط مصنوعات صوتی نامطلوب تولید می‌کند.

توجه داشته باشید که تأخیر فیلتر هنگام تنظیم به یک مقدار غیر صفر دقیقاً به همین تعداد نمونه خواهد بود.

دستورها

این فیلتر از دستورهای زیر پشتیبانی می‌کند:

frequency, f

تغییر فرکانس بالاگذر. دستور زبان برای این دستور: "frequency"

width_type, t

تغییر width_type بالاگذر. دستور زبان برای این دستور: "width_type"

width, w

تغییر پهنای باند بالاگذر. دستور زبان برای این دستور: "width"

mix, m

تغییر میکس بالاگذر. دستور زبان برای این دستور: "mix"

join

الحاق چندین استریم ورودی به یک استریم چندکاناله.

پارامترهای زیر را می‌پذیرد:

inputs

تعداد استریم‌های ورودی. پیش‌فرض 2 است.

channel_layout

چینش کانال خروجی مورد نظر. پیش‌فرض stereo است.

map

نگاشت کانال‌ها از ورودی‌ها به خروجی. شناسه فهرستی جداشده با '|' از نگاشت‌ها است، که هر یک به شکل "input_idx.in_channel-out_channel" می‌باشند. input_idx شاخص مبتنی بر صفر استریم ورودی است. in_channel می‌تواند نام کانال ورودی (مانند FL برای چپ جلو) یا شاخص آن در استریم ورودی مشخص‌شده باشد. out_channel نام کانال خروجی است.

فیلتر در صورت عدم تعیین صریح نگاشت‌ها، برای حدس زدن آن‌ها تلاش خواهد کرد. این کار ابتدا با تلاش برای یافتن یک کانال ورودی تطبیق‌یافتهٔ استفاده‌نشده انجام می‌شود و در صورت عدم موفقیت، اولین کانال ورودی استفاده‌نشده را انتخاب می‌کند.

الحاق ۳ ورودی (با چینش‌های کانال به درستی تنظیم‌شده):

ffmpeg -i INPUT1 -i INPUT2 -i INPUT3 -filter_complex join=inputs=3 OUTPUT

ساخت یک خروجی 5.1 از ۶ استریم تک‌کاناله:

ffmpeg -i fl -i fr -i fc -i sl -i sr -i lfe -filter_complex
'join=inputs=6:channel_layout=5.1:map=0.0-FL|1.0-FR|2.0-FC|3.0-SL|4.0-SR|5.0-LFE'
out

ladspa

بارگذاری یک پلاگین LADSPA (رابط برنامه‌نویسی ساده برای توسعه‌دهندگان صدای لینوکس).

برای فعال‌سازی کامپایل این فیلتر باید FFmpeg را با "--enable-ladspa" پیکربندی کنید.

file, f

نام کتابخانهٔ پلاگین LADSPA برای بارگذاری را مشخص می‌کند. اگر متغیر محیطی LADSPA_PATH تعریف شده باشد، پلاگین LADSPA در هر یک از دایرکتوری‌های مشخص‌شده توسط فهرست جداشده با دونقطه در LADSPA_PATH جستجو می‌شود، در غیر این صورت در مسیرهای استاندارد LADSPA که به این ترتیب هستند جستجو خواهد شد: HOME/.ladspa/lib/، /usr/local/lib/ladspa/، /usr/lib/ladspa/.

plugin, p

پلاگین درون کتابخانه را مشخص می‌کند. برخی کتابخانه‌ها فقط شامل یک پلاگین هستند، اما برخی دیگر شامل تعداد زیادی از آن‌ها می‌باشند. اگر این گزینه تنظیم نشود، فیلتر تمام پلاگین‌های موجود درون کتابخانهٔ مشخص‌شده را فهرست می‌کند.

controls, c

تنظیم فهرست جداشده با '|' از کنترل‌ها که صفر یا چند مقدار ممیز شناور هستند و رفتار پلاگین بارگذاری‌شده را تعیین می‌کنند (برای مثال تأخیر، آستانه یا بهره). کنترل‌ها باید با استفاده از دستور زبان زیر تعریف شوند: c0=value0|c1=value1|c2=value2|..., که در آن valuei مقدار تنظیم‌شده روی کنترل i-ام است. همچنین می‌توانند با دستور زبان زیر نیز تعریف شوند: value0|value1|value2|..., که در آن valuei مقدار تنظیم‌شده روی کنترل i-ام است. اگر controls روی "help" تنظیم شود، تمام کنترل‌های موجود و محدوده‌های معتبر آن‌ها چاپ می‌شوند.

sample_rate, s

تعیین نرخ نمونه‌برداری، پیش‌فرض 44100 است. فقط در صورتی استفاده می‌شود که پلاگین ورودی صفر داشته باشد.

nb_samples, n

تنظیم تعداد نمونه‌ها به‌ازای هر کانال در هر فریم خروجی، پیش‌فرض 1024 است. فقط در صورتی استفاده می‌شود که پلاگین ورودی صفر داشته باشد.

duration, d

تنظیم حداقل مدت‌زمان صدای منبع. برای دستور زبان پذیرفته‌شده به بخش مدت‌زمان (Time duration) در راهنمای ffmpeg-utils(1) مراجعه کنید. توجه داشته باشید که مدت‌زمان حاصل ممکن است بیشتر از مدت‌زمان مشخص‌شده باشد، زیرا صدای تولیدشده همیشه در پایان یک فریم کامل قطع می‌شود. اگر مشخص نشود، یا مدت‌زمان بیان‌شده منفی باشد، فرض می‌شود صدا برای همیشه تولید می‌شود. فقط در صورتی استفاده می‌شود که پلاگین ورودی صفر داشته باشد.

latency, l

فعال‌سازی جبران تاخیر (latency)، به‌طور پیش‌فرض غیرفعال است. فقط در صورتی استفاده می‌شود که پلاگین ورودی داشته باشد.

مثال‌ها

• فهرست کردن تمام پلاگین‌های موجود در کتابخانهٔ amp (پلاگین نمونه LADSPA):

  ladspa=file=amp

• فهرست کردن تمام کنترل‌های موجود و محدوده‌های معتبر آن‌ها برای پلاگین "vcf_notch" از کتابخانهٔ "VCF":

  ladspa=f=vcf:p=vcf_notch:c=help

• شبیه‌سازی تجهیزات صوتی با کیفیت پایین با استفاده از کتابخانهٔ پلاگین "Computer Music Toolkit" (CMT):

  ladspa=file=cmt:plugin=lofi:controls=c0=22|c1=12|c2=12

• افزودن طنین (reverberation) به صدا با استفاده از TAP-plugins (پلاگین‌های پردازش صوتی تام):

  ladspa=file=tap_reverb:tap_reverb

• تولید نویز سفید با دامنهٔ 0.2:

  ladspa=file=cmt:noise_source_white:c=c0=.2

• تولید ۲۰ تیک در دقیقه (bpm) با استفاده از پلاگین "C* Click - Metronome" از کتابخانهٔ "C* Audio Plugin Suite" (CAPS):

  ladspa=file=caps:Click:c=c1=20'

• اعمال جلوهٔ "C* Eq10X2 - Stereo 10-band equaliser":

  ladspa=caps:Eq10X2:c=c0=-48|c9=-24|c3=12|c4=2

• افزایش حجم صدا به میزان 20dB با استفاده از fast lookahead limiter از مجموعهٔ "SWH Plugins" استیو هریس:

  ladspa=fast_lookahead_limiter_1913:fastLookaheadLimiter:20|0|2

• تضعیف فرکانس‌های پایین با استفاده از Multiband EQ از مجموعهٔ "SWH Plugins" استیو هریس:

  ladspa=mbeq_1197:mbeq:-24|-24|-24|0|0|0|0|0|0|0|0|0|0|0|0

• کاهش تصویر استریو با استفاده از "Narrower" از کتابخانهٔ "C* Audio Plugin Suite" (CAPS):

  ladspa=caps:Narrower

• یک نویز سفید دیگر، اکنون با استفاده از کتابخانهٔ "C* Audio Plugin Suite" (CAPS):

  ladspa=caps:White:.2

• مقداری نویز فرکتال، با استفاده از کتابخانهٔ "C* Audio Plugin Suite" (CAPS):

  ladspa=caps:Fractal:c=c1=1

• نرمال‌سازی پویای حجم صدا با استفاده از پلاگین "VLevel":

  ladspa=vlevel-ladspa:vlevel_mono

دستورها

این فیلتر از دستورهای زیر پشتیبانی می‌کند:

cN

تغییر مقدار کنترل N-ام.

اگر مقدار مشخص‌شده معتبر نباشد، نادیده گرفته شده و مقدار قبلی حفظ می‌شود.

loudnorm

نرمال‌سازی بلندی صدا بر پایهٔ EBU R128. شامل هر دو حالت نرمال‌سازی پویا و خطی است. از هر دو حالت تک‌گذر (پخش‌های زنده، پرونده‌ها) و دوگذر (پرونده‌ها) پشتیبانی می‌کند. این الگوریتم می‌تواند IL، LRA و حداکثر اوج واقعی (true peak) را هدف قرار دهد. در حالت پویا، برای تشخیص دقیق اوج‌های واقعی، استریم صوتی به 192 kHz فرانویسی (upsample) خواهد شد. از گزینهٔ "-ar" یا فیلتر "aresample" برای تنظیم صریح نرخ نمونه‌برداری خروجی استفاده کنید.

فیلتر گزینه‌های زیر را می‌پذیرد:

I, i

تنظیم بلندی صدای یکپارچهٔ هدف (integrated loudness). محدوده از -70.0 تا -5.0 است. مقدار پیش‌فرض -24.0 است.

LRA, lra

تنظیم محدودهٔ بلندی صدای هدف (loudness range). محدوده از 1.0 تا 50.0 است. مقدار پیش‌فرض 7.0 است.

TP, tp

تنظیم حداکثر اوج واقعی (true peak). محدوده از -9.0 تا +0.0 است. مقدار پیش‌فرض -2.0 است.

measured_I, measured_i

مقدار IL اندازه‌گیری‌شدهٔ پروندهٔ ورودی. محدوده از -99.0 تا +0.0 است.

measured_LRA, measured_lra

مقدار LRA اندازه‌گیری‌شدهٔ پروندهٔ ورودی. محدوده از 0.0 تا 99.0 است.

measured_TP, measured_tp

مقدار اوج واقعی اندازه‌گیری‌شدهٔ پروندهٔ ورودی. محدوده از -99.0 تا +99.0 است.

measured_thresh

آستانهٔ اندازه‌گیری‌شدهٔ پروندهٔ ورودی. محدوده از -99.0 تا +0.0 است.

offset

تنظیم بهرهٔ آفست. بهره پیش از محدودکنندهٔ اوج واقعی اعمال می‌شود. محدوده از -99.0 تا +99.0 است. پیش‌فرض +0.0 است.

linear

نرمال‌سازی از طریق مقیاس‌بندی خطی صدای مبدا. گزینه‌های "measured_I"، "measured_LRA"، "measured_TP" و "measured_thresh" همگی باید مشخص شوند. LRA هدف نباید کمتر از LRA مبدا باشد و تغییر در بلندی صدای یکپارچه نباید منجر به اوج واقعی شود که از TP هدف فراتر رود. اگر هر یک از این شرایط برآورده نشود، حالت نرمال‌سازی به dynamic بازمی‌گردد. گزینه‌ها "true" یا "false" هستند. پیش‌فرض "true" است.

dual_mono

در نظر گرفتن پرونده‌های ورودی مونو به عنوان «dual-mono». اگر یک پروندهٔ مونو برای پخش بر روی یک سیستم استریو در نظر گرفته شده باشد، اندازه‌گیری EBU R128 آن از نظر ادراکی نادرست خواهد بود. در صورت تنظیم بر روی "true"، این گزینه این اثر را جبران خواهد کرد. پرونده‌های ورودی چندکاناله تحت تأثیر این گزینه قرار نمی‌گیرند. گزینه‌ها true یا false هستند. پیش‌فرض false است.

print_format

تنظیم قالب چاپ آمار. گزینه‌ها summary، json یا none هستند. مقدار پیش‌فرض none است.

stats_file

نوشتن آمار در پروندهٔ مشخص‌شده. قالب توسط print_format کنترل می‌شود، که باید تنظیم شده باشد. برای نوشتن در خروجی استاندارد، "-" را مشخص کنید. به‌طور پیش‌فرض تنظیم نشده است.

lowpass

اعمال یک فیلتر پایین‌گذر با فرکانس نقطهٔ 3dB. فیلتر می‌تواند تک‌قطبی یا دوقطبی (پیش‌فرض) باشد. شیب افت فیلتر (roll off) برابر با 6dB به‌ازای هر قطب در هر اکتاو (20dB به‌ازای هر قطب در هر دهه) است.

فیلتر گزینه‌های زیر را می‌پذیرد:

frequency, f

تنظیم فرکانس بر حسب Hz. پیش‌فرض 500 است.

poles, p

تنظیم تعداد قطب‌ها. پیش‌فرض 2 است.

width_type, t

تنظیم روش مشخص کردن پهنای باند فیلتر.

width, w

تعیین پهنای باند فیلتر بر حسب واحدهای width_type. فقط برای فیلتر دوقطبی اعمال می‌شود. پیش‌فرض 0.707q است و پاسخ باترورث (Butterworth) می‌دهد.

mix, m

میزان استفاده از سیگنال فیلترشده در خروجی. پیش‌فرض 1 است. محدوده بین 0 و 1 است.

channels, c

تعیین کانال‌های مورد نظر برای فیلترسازی، به‌طور پیش‌فرض همه کانال‌های موجود فیلتر می‌شوند.

normalize, n

نرمال‌سازی ضرایب biquad، به‌طور پیش‌فرض غیرفعال است. فعال کردن آن پاسخ دامنه در DC را به 0dB نرمال می‌کند.

transform, a

تنظیم نوع تبدیل فیلتر IIR.

precision, r

تنظیم دقت فیلترسازی.

block_size, b

تنظیم اندازهٔ بلوک مورد استفاده برای پردازش معکوس IIR. اگر این مقدار به اندازهٔ کافی بزرگ تنظیم شود (بزرگ‌تر از طول پاسخ ضربه که هنگام رسیدن به مقادیر نزدیک به صفر کوتاه می‌شود) فیلترسازی فاز خطی خواهد شد، در غیر این صورت اگر به اندازه کافی بزرگ نباشد فقط مصنوعات صوتی نامطلوب تولید می‌کند.

توجه داشته باشید که تأخیر فیلتر هنگام تنظیم به یک مقدار غیر صفر دقیقاً به همین تعداد نمونه خواهد بود.

مثال‌ها

•

پایین‌گذر فقط برای کانال LFE؛ اگر LFE موجود نباشد کاری انجام نمی‌دهد:

lowpass=c=LFE

دستورها

این فیلتر از دستورهای زیر پشتیبانی می‌کند:

frequency, f

تغییر فرکانس پایین‌گذر. دستور زبان برای این دستور: "frequency"

width_type, t

تغییر width_type پایین‌گذر. دستور زبان برای این دستور: "width_type"

width, w

تغییر پهنای باند پایین‌گذر. دستور زبان برای این دستور: "width"

mix, m

تغییر میکس پایین‌گذر. دستور زبان برای این دستور: "mix"

lv2

بارگذاری یک پلاگین LV2 (نسخهٔ ۲ LADSPA).

برای فعال‌سازی کامپایل این فیلتر باید FFmpeg را با "--enable-lv2" پیکربندی کنید.

plugin, p

شناسهٔ یکتای منبع (URI) پلاگین را مشخص می‌کند. ممکن است لازم باشد ':' را اسکیپ کنید.

controls, c

تنظیم فهرست جداشده با '|' از کنترل‌ها که صفر یا چند مقدار ممیز شناور هستند و رفتار پلاگین بارگذاری‌شده را تعیین می‌کنند (برای مثال تأخیر، آستانه یا بهره). اگر controls روی "help" تنظیم شود، تمام کنترل‌های موجود و محدوده‌های معتبر آن‌ها چاپ می‌شوند.

sample_rate, s

تعیین نرخ نمونه‌برداری، پیش‌فرض 44100 است. فقط در صورتی استفاده می‌شود که پلاگین ورودی صفر داشته باشد.

nb_samples, n

تنظیم تعداد نمونه‌ها به‌ازای هر کانال در هر فریم خروجی، پیش‌فرض 1024 است. فقط در صورتی استفاده می‌شود که پلاگین ورودی صفر داشته باشد.

duration, d

تنظیم حداقل مدت‌زمان صدای منبع. برای دستور زبان پذیرفته‌شده به بخش مدت‌زمان (Time duration) در راهنمای ffmpeg-utils(1) مراجعه کنید. توجه داشته باشید که مدت‌زمان حاصل ممکن است بیشتر از مدت‌زمان مشخص‌شده باشد، زیرا صدای تولیدشده همیشه در پایان یک فریم کامل قطع می‌شود. اگر مشخص نشود، یا مدت‌زمان بیان‌شده منفی باشد، فرض می‌شود صدا برای همیشه تولید می‌شود. فقط در صورتی استفاده می‌شود که پلاگین ورودی صفر داشته باشد.

مثال‌ها

• اعمال پلاگین تقویت باس از Calf:

  lv2=p=http\\\\://calf.sourceforge.net/plugins/BassEnhancer:c=amount=2

• اعمال پلاگین وینیل از Calf:

  lv2=p=http\\\\://calf.sourceforge.net/plugins/Vinyl:c=drone=0.2|aging=0.5

• اعمال پلاگین بیت کراشر از ArtyFX:

  lv2=p=http\\\\://www.openavproductions.com/artyfx#bitta:c=crush=0.3

دستورها

این فیلتر از تمامی گزینه‌هایی که توسط پلاگین به عنوان دستور صادر شده‌اند پشتیبانی می‌کند.

mcompand

فشرده‌سازی یا گسترش چندباندهٔ محدودهٔ دینامیکی صدا.

صدای ورودی با استفاده از فیلترهای IIR مرتبهٔ چهارم لینک‌ویتز-رایلی به باندها تقسیم می‌شود. این شبیه به کراس‌اوور یک بلندگو است و در غیاب عملکرد کمپاندر منجر به پاسخ فرکانسی مسطح می‌شود.

پارامترهای زیر را می‌پذیرد:

args

دستور زبان این گزینه عبارت است از: attack,decay,[attack,decay..] soft-knee points crossover_frequency [delay [initial_volume [gain]]] | attack,decay ... برای توضیح هر مورد به مستندات فیلتر compand مراجعه کنید.

pan

میکس کانال‌ها با سطوح بهرهٔ مشخص. این فیلتر چینش کانال خروجی و به دنبال آن مجموعه‌ای از تعاریف کانال‌ها را می‌پذیرد.

این فیلتر همچنین برای نگاشت مجدد بهینهٔ کانال‌های یک جریان صوتی طراحی شده است.

فیلتر پارامترهایی به این شکل را می‌پذیرد: "l|outdef|outdef|..."

l

چینش کانال خروجی یا تعداد کانال‌ها

outdef

مشخصات کانال خروجی، به شکل: "out_name=[gain*]in_name[(+-)[gain*]in_name...]"

out_name

کانال خروجی برای تعریف، یا نام یک کانال (FL، FR، و غیره) یا شمارهٔ یک کانال (c0، c1، و غیره)

gain

ضریب ضربی برای کانال، مقدار 1 حجم صدا را بدون تغییر باقی می‌گذارد

in_name

کانال ورودی مورد استفاده، برای جزئیات به out_name مراجعه کنید؛ ترکیب کانال‌های ورودی نام‌گذاری‌شده و شماره‌گذاری‌شده امکان‌پذیر نیست

اگر `=' در مشخصات کانال با `<' جایگزین شود، بهره‌ها برای آن مشخصات بازنرمال‌سازی می‌شوند به طوری که مجموع آن‌ها ۱ شود و در نتیجه از نویز برش (clipping) جلوگیری به عمل آید.

مثال‌های میکس

برای مثال، اگر می‌خواهید تبدیل کاهشی از استریو به مونو انجام دهید، اما با ضریب بزرگ‌تری برای کانال چپ:

pan=1c|c0=0.9*c0+0.1*c1

یک تبدیل کاهشی سفارشی به استریو که به صورت خودکار برای صدای فراگیر ۳، ۴، ۵ و ۷ کاناله عمل می‌کند:

pan=stereo| FL < FL + 0.5*FC + 0.6*BL + 0.6*SL | FR < FR + 0.5*FC + 0.6*BR + 0.6*SR

توجه داشته باشید که ffmpeg یک سیستم پیش‌فرض تبدیل کاهشی (و افزایشی) را ادغام کرده است که باید ترجیح داده شود (گزینهٔ "-ac" را ببینید) مگر اینکه نیازهای بسیار خاصی داشته باشید.

مثال‌های نگاشت مجدد

نگاشت مجدد کانال مؤثر خواهد بود اگر، و فقط اگر:

*<ضرایب بهره صفر یا یک باشند،>

*<فقط یک ورودی به‌ازای هر کانال خروجی باشد،>

اگر تمامی این شرایط برآورده شوند، فیلتر به کاربر اطلاع می‌دهد ("Pure channel mapping detected")، و از روشی بهینه‌شده و بدون اتلاف برای انجام نگاشت مجدد استفاده می‌کند.

برای مثال، اگر یک منبع 5.1 دارید و می‌خواهید با حذف کانال‌های اضافی یک جریان صوتی استریو داشته باشید:

pan="stereo| c0=FL | c1=FR"

با فرض همان منبع، می‌توانید کانال‌های چپ جلو و راست جلو را نیز جابه‌جا کرده و چینش کانال ورودی را حفظ کنید:

pan="5.1| c0=c1 | c1=c0 | c2=c2 | c3=c3 | c4=c4 | c5=c5"

اگر ورودی یک جریان صوتی استریو است، می‌توانید کانال چپ جلو را بی‌صدا کنید (و همچنان چینش کانال استریو را حفظ کنید) با:

pan="stereo|c1=c1"

همچنان با یک جریان صوتی استریوی ورودی، می‌توانید کانال راست را در هر دو کانال چپ و راست جلو کپی کنید:

pan="stereo| c0=FR | c1=FR"

replaygain

فیلتر اسکنر ReplayGain. این فیلتر یک جریان صوتی را به عنوان ورودی دریافت کرده و آن را بدون تغییر در خروجی صادر می‌کند. در پایان فیلترسازی، "track_gain" و "track_peak" را نمایش می‌دهد.

فیلتر گزینه‌های فقط‌خواندنی صادرشدهٔ زیر را می‌پذیرد:

track_gain

بهرهٔ تِرَک صادرشده بر حسب dB در انتهای جریان.

track_peak

اوج تِرَک صادرشده در انتهای جریان.

resample

تبدیل قالب نمونهٔ صوتی، نرخ نمونه‌برداری و چینش کانال. این فیلتر برای استفادهٔ مستقیم در نظر گرفته نشده است.

rubberband

اعمال کشش زمانی (time-stretching) و تغییر گام (pitch-shifting) با librubberband.

برای فعال‌سازی کامپایل این فیلتر، باید FFmpeg را با "--enable-librubberband" پیکربندی کنید.

فیلتر گزینه‌های زیر را می‌پذیرد:

tempo

تنظیم ضریب مقیاس ضرباهنگ (tempo).

pitch

تنظیم ضریب مقیاس گام (pitch).

transients

تنظیم آشکارساز حالت‌های گذرا (transients). مقادیر ممکن عبارتند از:

detector

تنظیم آشکارساز. مقادیر ممکن عبارتند از:

phase

تنظیم فاز. مقادیر ممکن عبارتند از:

window

تنظیم اندازهٔ پنجرهٔ پردازش. مقادیر ممکن عبارتند از:

smoothing

تنظیم هموارسازی. مقادیر ممکن عبارتند از:

formant

فعال‌سازی حفظ سازندها (formant) هنگام تغییر گام. مقادیر ممکن عبارتند از:

pitchq

تنظیم کیفیت گام. مقادیر ممکن عبارتند از:

channels

تنظیم کانال‌ها. مقادیر ممکن عبارتند از:

دستورها

این فیلتر از دستورهای زیر پشتیبانی می‌کند:

tempo

تغییر ضریب مقیاس ضرباهنگ فیلتر. دستور زبان برای این دستور: "tempo"

pitch

تغییر ضریب مقیاس گام فیلتر. دستور زبان برای این دستور: "pitch"

sidechaincompress

این فیلتر مانند یک کمپرسور معمولی عمل می‌کند، اما قابلیت فشرده‌سازی سیگنال شناسایی‌شده را با استفاده از سیگنال ورودی دوم دارد. به دو استریم ورودی نیاز دارد و یک استریم خروجی برمی‌گرداند. اولین استریم ورودی بسته به سیگنال استریم دوم پردازش خواهد شد. سپس سیگنال فیلترشده می‌تواند با فیلترهای دیگر در مراحل بعدی پردازش فیلتر شود. فیلترهای pan و amerge را ببینید.

فیلتر گزینه‌های زیر را می‌پذیرد:

level_in

تنظیم بهرهٔ ورودی. پیش‌فرض 1 است. محدوده بین 0.015625 و 64 است.

mode

تنظیم حالت عملکرد کمپرسور. می‌تواند "upward" یا "downward" باشد. پیش‌فرض "downward" است.

threshold

اگر سیگنال استریم دوم از این سطح فراتر رود، بر کاهش بهرهٔ استریم اول تأثیر می‌گذارد. به‌طور پیش‌فرض 0.125 است. محدوده بین 0.00097563 و 1 است.

ratio

تنظیم نسبتی که سیگنال بر اساس آن کاهش می‌یابد. 1:2 به این معنی است که اگر سطح 4dB بالاتر از آستانه باشد، پس از کاهش تنها 2dB بالاتر خواهد بود. پیش‌فرض 2 است. محدوده بین 1 و 20 است.

attack

مدت‌زمان به میلی‌ثانیه که سیگنال باید بالای آستانه بماند تا کاهش بهره آغاز شود. پیش‌فرض 20 است. محدوده بین 0.01 و 2000 است.

release

مدت‌زمان به میلی‌ثانیه که سیگنال باید به زیر آستانه بیفتد تا کاهش دوباره کم شود. پیش‌فرض 250 است. محدوده بین 0.01 و 9000 است.

makeup

تنظیم مقداری که سیگنال پس از پردازش تقویت خواهد شد. پیش‌فرض 1 است. محدوده از 1 تا 64 است.

knee

انحنا دادن به زانوی تند در اطراف آستانه برای ورود نرم‌تر به کاهش بهره. پیش‌فرض 2.82843 است. محدوده بین 1 و 8 است.

link

انتخاب اینکه آیا سطح میانگین ("average") بین تمامی کانال‌های استریم سایدچین یا کانال بلندتر ("maximum") بر کاهش تأثیر بگذارد. پیش‌فرض "average" است.

detection

تعیین اینکه آیا سیگنال دقیق در حالت "peak" در نظر گرفته شود یا یک سیگنال RMS در حالت "rms". پیش‌فرض "rms" است که عمدتاً نرم‌تر عمل می‌کند.

level_sc

تنظیم بهرهٔ سایدچین. پیش‌فرض 1 است. محدوده بین 0.015625 و 64 است.

mix

میزان استفاده از سیگنال فشرده‌شده در خروجی. پیش‌فرض 1 است. محدوده بین 0 و 1 است.

دستورها

این فیلتر از تمامی گزینه‌های فوق به عنوان دستور پشتیبانی می‌کند.

مثال‌ها

•

مثال کامل ffmpeg با دریافت ۲ ورودی صوتی، که ورودی اول بسته به سیگنال ورودی دوم فشرده شده و سپس سیگنال فشرده‌شده با ورودی دوم ادغام می‌شود:

ffmpeg -i main.flac -i sidechain.flac -filter_complex "[1:a]asplit=2[sc][mix];[0:a][sc]sidechaincompress[compr];[compr][mix]amerge"

sidechaingate

یک گیت سایدچین مانند یک نویز گیت معمولی (باند پهن) عمل می‌کند، اما توانایی فیلتر کردن سیگنال تشخیص‌داده‌شده را پیش از ارسال آن به مرحلهٔ کاهش بهره دارد. به‌طور معمول یک گیت از سیگنال تمام‌محدوده برای تشخیص سطحی بالاتر از آستانه استفاده می‌کند. برای مثال: اگر تمامی فرکانس‌های پایین‌تر را از سیگنال سایدچین خود حذف کنید، گیت تنها در صورتی حجم صدای ترک شما را کاهش می‌دهد که فرکانس‌های بالای کافی وجود نداشته باشد. با این روش قادر خواهید بود طنین (رزونانس) یک درام طبیعی را کاهش دهید یا «غرش و لرزش» ناشی از ضربات بی‌صداشده از یک گیتار با دیستورشن شدید را حذف نمایید. به دو استریم ورودی نیاز دارد و یک استریم خروجی برمی‌گرداند. اولین استریم ورودی بسته به سیگنال استریم دوم پردازش خواهد شد.

فیلتر گزینه‌های زیر را می‌پذیرد:

level_in

تنظیم سطح ورودی قبل از فیلترسازی. پیش‌فرض 1 است. محدودهٔ مجاز از 0.015625 تا 64 است.

mode

تنظیم حالت عملکرد. می‌تواند "upward" یا "downward" باشد. پیش‌فرض "downward" است. اگر روی حالت "upward" تنظیم شود، بخش‌های بالاتر سیگنال تقویت شده و محدودهٔ دینامیکی در جهت صعودی گسترش می‌یابد. در غیر این صورت، در حالت "downward" بخش‌های پایین‌تر سیگنال کاهش می‌یابند.

range

تنظیم سطح کاهش بهره هنگامی که سیگنال زیر آستانه است. پیش‌فرض 0.06125 است. محدودهٔ مجاز از 0 تا 1 است. تنظیم این مقدار بر روی 0 کاهش را غیرفعال کرده و سپس فیلتر مانند یک اکسپندر رفتار می‌کند.

threshold

اگر یک سیگنال به بالاتر از این سطح برسد، کاهش بهره رها (متوقف) می‌شود. پیش‌فرض 0.125 است. محدودهٔ مجاز از 0 تا 1 است.

ratio

تنظیم نسبتی که سیگنال بر اساس آن کاهش می‌یابد. پیش‌فرض 2 است. محدودهٔ مجاز از 1 تا 9000 است.

attack

مدت‌زمان به میلی‌ثانیه که سیگنال باید بالای آستانه بماند تا کاهش بهره متوقف شود. پیش‌فرض 20 میلی‌ثانیه است. محدودهٔ مجاز از 0.01 تا 9000 است.

release

مدت‌زمان به میلی‌ثانیه که سیگنال باید زیر آستانه بیفتد تا کاهش دوباره افزایش یابد. پیش‌فرض 250 میلی‌ثانیه است. محدودهٔ مجاز از 0.01 تا 9000 است.

makeup

تنظیم مقدار تقویت سیگنال پس از پردازش. پیش‌فرض 1 است. محدودهٔ مجاز از 1 تا 64 است.

knee

انحنا دادن به زانوی تند در اطراف آستانه برای ورود نرم‌تر به کاهش بهره. پیش‌فرض 2.828427125 است. محدودهٔ مجاز از 1 تا 8 است.

detection

انتخاب اینکه آیا سیگنال دقیق برای تشخیص در نظر گرفته شود یا یک سیگنال شبه RMS. پیش‌فرض rms است. می‌تواند peak یا rms باشد.

link

انتخاب اینکه آیا سطح میانگین بین تمام کانال‌ها یا کانال بلندتر بر کاهش تأثیر بگذارد. پیش‌فرض average است. می‌تواند average یا maximum باشد.

level_sc

تنظیم بهرهٔ سایدچین. پیش‌فرض 1 است. محدوده از 0.015625 تا 64 است.

دستورها

این فیلتر از تمامی گزینه‌های فوق به عنوان دستور پشتیبانی می‌کند.

silencedetect

تشخیص سکوت در یک استریم صوتی.

این فیلتر هنگامی که تشخیص دهد حجم صدای ورودی کمتر یا مساوی با یک مقدار تلورانس نویز برای مدت‌زمانی بزرگ‌تر یا مساوی با حداقل مدت‌زمان نویز شناسایی‌شده است، پیامی را ثبت می‌کند.

زمان‌ها و مدت‌زمان چاپ‌شده بر حسب ثانیه بیان می‌شوند. کلید متادادهٔ "lavfi.silence_start" یا "lavfi.silence_start.X" روی اولین فریمی که برچسب زمانی آن مساوی یا بیشتر از مدت‌زمان تشخیص باشد تنظیم می‌شود و شامل برچسب زمانی اولین فریم سکوت است.

کلیدهای متادادهٔ "lavfi.silence_duration" یا "lavfi.silence_duration.X" و "lavfi.silence_end" یا "lavfi.silence_end.X" روی اولین فریم پس از سکوت تنظیم می‌شوند. اگر mono فعال باشد و هر کانال به صورت جداگانه ارزیابی شود، کلیدهای دارای پسوند ".X" استفاده می‌شوند و "X" متناظر با شمارهٔ کانال است.

فیلتر گزینه‌های زیر را می‌پذیرد:

noise, n

تنظیم تلورانس نویز. می‌تواند بر حسب dB مشخص شود (در صورتی که "dB" به مقدار مشخص‌شده اضافه شود) یا نسبت دامنه. پیش‌فرض -60dB یا 0.001 است.

duration, d

تنظیم مدت‌زمان سکوت تا زمان اعلان (پیش‌فرض ۲ ثانیه است). برای ساختار نحوی پذیرفته‌شده به بخش مدت‌زمان (Time duration) در راهنمای ffmpeg-utils(1) مراجعه کنید.

mono, m

پردازش جداگانهٔ هر کانال، به جای ترکیب آن‌ها. به‌طور پیش‌فرض غیرفعال است.

مثال‌ها

• تشخیص ۵ ثانیه سکوت با تلورانس نویز -50dB:

  silencedetect=n=-50dB:d=5

• مثال کامل با ffmpeg برای تشخیص سکوت با تلورانس نویز 0.0001 در silence.mp3:

  ffmpeg -i silence.mp3 -af silencedetect=noise=0.0001 -f null -

silenceremove

حذف سکوت از ابتدا، میانه یا انتهای صدا.

فیلتر گزینه‌های زیر را می‌پذیرد:

start_periods

این مقدار برای نشان دادن اینکه آیا صدا باید در ابتدای صدا بریده شود یا خیر استفاده می‌شود. مقدار صفر نشان می‌دهد که هیچ سکوتی نباید از ابتدا بریده شود. هنگام مشخص کردن یک مقدار غیرصفر، صدا را تا زمانی که نا-سکوت پیدا کند برش می‌دهد. به‌طور معمول، هنگام حذف سکوت از ابتدای صدا، مقدار start_periods برابر 1 خواهد بود اما می‌تواند به مقادیر بالاتری افزایش یابد تا تمام صدا را تا تعداد مشخصی از دوره‌های نا-سکوت برش دهد. مقدار پیش‌فرض 0 است.

start_duration

مشخص کردن مقدار زمانی که نا-سکوت باید تشخیص داده شود تا برش صدا متوقف گردد. با افزایش مدت‌زمان، انفجارهای لحظه‌ای نویز می‌توانند به عنوان سکوت در نظر گرفته شده و بریده شوند. مقدار پیش‌فرض 0 است.

start_threshold

این گزینه نشان می‌دهد چه مقدار نمونه باید به عنوان سکوت در نظر گرفته شود. برای صدای دیجیتال، مقدار 0 ممکن است مناسب باشد اما برای صدای ضبط‌شده از آنالوگ، ممکن است بخواهید این مقدار را برای در نظر گرفتن نویز پس‌زمینه افزایش دهید. می‌تواند بر حسب dB مشخص شود (در صورتی که "dB" به مقدار مشخص‌شده اضافه شود) یا نسبت دامنه. مقدار پیش‌فرض 0 است.

start_silence

مشخص کردن حداکثر مدت‌زمان سکوت در ابتدا که پس از برش حفظ خواهد شد. پیش‌فرض 0 است، که معادل حذف تمامی نمونه‌های تشخیص داده شده به عنوان سکوت می‌باشد.

start_mode

مشخص کردن حالت تشخیص پایان سکوت در ابتدای صدای چندکاناله. می‌تواند any یا all باشد. پیش‌فرض any است. با any، هر نمونه از هر کانالی که به عنوان نا-سکوت تشخیص داده شود، پایان برش سکوت در ابتدای استریم صوتی را راه‌اندازی می‌کند. با all، تنها اگر هر نمونه از تمام کانال‌ها به عنوان نا-سکوت تشخیص داده شود، پایان برش سکوت در ابتدای استریم صوتی راه‌اندازی خواهد شد، کاربرد محدود.

stop_periods

تنظیم شمارش برای برش سکوت از انتهای صدا. هنگام مشخص کردن یک مقدار مثبت، صدا را پس از یافتن دورهٔ سکوت مشخص‌شده برش می‌دهد. برای حذف سکوت از میانهٔ یک پرونده، یک مقدار منفی برای stop_periods مشخص کنید. این مقدار سپس به عنوان یک مقدار مثبت در نظر گرفته می‌شود و برای نشان دادن این است که اثر باید پردازش را همان‌طور که توسط stop_periods مشخص شده بازراه‌اندازی کند، که آن را برای حذف دوره‌های سکوت در میانهٔ صدا مناسب می‌سازد. مقدار پیش‌فرض 0 است.

stop_duration

مشخص کردن مدت‌زمانی از سکوت که باید پیش از توقف کپی صدا وجود داشته باشد. با مشخص کردن مدت‌زمان بالاتر، سکوتی که مورد نیاز است می‌تواند در صدا باقی بماند. مقدار پیش‌فرض 0 است.

stop_threshold

این گزینه همانند start_threshold است اما برای برش سکوت از انتهای صدا به کار می‌رود. می‌تواند بر حسب dB مشخص شود (در صورتی که "dB" به مقدار مشخص‌شده پیوست شود) یا نسبت دامنه. مقدار پیش‌فرض 0 است.

stop_silence

مشخص کردن حداکثر مدت‌زمان سکوت در انتها که پس از برش حفظ خواهد شد. پیش‌فرض 0 است، که معادل حذف تمام نمونه‌های تشخیص‌داده‌شده به عنوان سکوت می‌باشد.

stop_mode

مشخص کردن حالت تشخیص شروع سکوت پس از آغاز صدای چندکاناله. می‌تواند any یا all باشد. پیش‌فرض all است. با any، هر نمونه از هر کانالی که به عنوان سکوت تشخیص داده شود، آغاز برش سکوت پس از شروع استریم صوتی را راه‌اندازی می‌کند، کاربرد محدود. با all، تنها اگر هر نمونه از تمامی کانال‌ها به عنوان سکوت تشخیص داده شود، آغاز برش سکوت پس از شروع استریم صوتی راه‌اندازی خواهد شد.

detection

تنظیم نحوهٔ تشخیص سکوت.

window

تنظیم مدت‌زمان بر حسب تعداد ثانیه‌ها که برای محاسبهٔ اندازهٔ پنجره بر حسب تعداد نمونه‌ها جهت تشخیص سکوت استفاده می‌شود. استفاده از 0 عملاً هرگونه پنجره‌بندی را غیرفعال کرده و صرفاً از یک نمونهٔ منفرد به‌ازای هر کانال برای تشخیص سکوت استفاده می‌کند. در این حالت ممکن است لازم باشد start_silence و/یا stop_silence به مقادیر غیرصفر به همراه start_duration و/یا stop_duration به مقادیر غیرصفر تنظیم شوند. مقدار پیش‌فرض 0.02 است. محدودهٔ مجاز از 0 تا 10 است.

timestamp

تنظیم حالت پردازش برچسب زمانی خروجی هر فریم صوتی.

مثال‌ها

• مثال زیر نشان می‌دهد چگونه می‌توان از این فیلتر برای شروع ضبطی استفاده کرد که فاقد تأخیر در ابتدا (که معمولاً بین فشردن دکمهٔ ضبط و آغاز اجرا رخ می‌دهد) باشد:

  silenceremove=start_periods=1:start_duration=5:start_threshold=0.02

• حذف تمامی سکوت‌های مشاهده‌شده از ابتدا تا انتها در جایی که بیش از ۱ ثانیه سکوت در صدا وجود دارد:

  silenceremove=stop_periods=-1:stop_duration=1:stop_threshold=-90dB

• حذف تمامی نمونه‌های سکوت دیجیتال با استفاده از تشخیص اوج (peak) از ابتدا تا انتها، در جایی که بیش از ۰ نمونه سکوت دیجیتال در صدا وجود دارد و سکوت دیجیتال در تمامی کانال‌ها در موقعیت‌های یکسان در استریم تشخیص داده شده است:

  silenceremove=window=0:detection=peak:stop_mode=all:start_mode=all:stop_periods=-1:stop_threshold=0

• حذف هر دورهٔ سکوت دومِ مشاهده‌شده از ابتدا تا انتها، در جایی که بیش از ۱ ثانیه سکوت به‌ازای هر دورهٔ سکوت در صدا وجود دارد:

  silenceremove=stop_periods=-2:stop_duration=1:stop_threshold=-90dB

• مشابه بالا، اما حداکثر 0.5 ثانیه سکوت از هر دورهٔ برش‌خورده نگه‌داشته شود:

  silenceremove=stop_periods=-2:stop_duration=1:stop_threshold=-90dB:stop_silence=0.5

• مشابه بالا، اما حداکثر 1.5 ثانیه سکوت از ابتدای صدا نگه‌داشته شود:

  silenceremove=stop_periods=-2:stop_duration=1:stop_threshold=-90dB:stop_silence=0.5:start_periods=1:start_duration=1:start_silence=1.5:stop_threshold=-90dB

دستورها

این فیلتر از برخی از گزینه‌های فوق به عنوان دستور پشتیبانی می‌کند.

sofalizer

فیلتر SOFAlizer از توابع تبدیل وابسته به سر (HRTF) برای ایجاد بلندگوهای مجازی در اطراف کاربر جهت گوش دادن دوگوشی (binaural) از طریق هدفون استفاده می‌کند (قالب‌های صوتی تا ۹ کانال پشتیبانی می‌شوند). توابع HRTF در پرونده‌های SOFA ذخیره می‌شوند (برای پایگاه داده به http://www.sofacoustics.org مراجعه کنید). فیلتر SOFAlizer در مؤسسهٔ تحقیقات آکوستیک (ARI) فرهنگستان علوم اتریش توسعه یافته است.

برای فعال‌سازی کامپایل این فیلتر باید FFmpeg را با "--enable-libmysofa" پیکربندی کنید.

فیلتر گزینه‌های زیر را می‌پذیرد:

sofa

تنظیم پروندهٔ SOFA مورد استفاده برای رندر کردن.

gain

تنظیم بهرهٔ اعمال‌شده به صدا. مقدار بر حسب dB است. پیش‌فرض 0 است.

rotation

تنظیم چرخش بلندگوهای مجازی بر حسب درجه (deg). پیش‌فرض 0 است.

elevation

تنظیم زاویهٔ فراز (elevation) بلندگوهای مجازی بر حسب درجه (deg). پیش‌فرض 0 است.

radius

تنظیم فاصله بر حسب متر بین بلندگوها و شنونده با HRTFهای میدان نزدیک (near-field). پیش‌فرض 1 است.

type

تنظیم نوع پردازش. می‌تواند time یا freq باشد. time پردازش صدا در حوزهٔ زمان است که کند می‌باشد. freq پردازش صدا در حوزهٔ فرکانس است که سریع می‌باشد. پیش‌فرض freq است.

speakers

تنظیم موقعیت‌های سفارشی بلندگوهای مجازی. ساختار نحوی برای این گزینه عبارت است از: <CH> <AZIM> <ELEV>[|<CH> <AZIM> <ELEV>|...]. هر بلندگوی مجازی با نام کوتاه کانال و به دنبال آن آزیموت و فراز بر حسب درجه توصیف می‌شود. توضیحات هر بلندگوی مجازی با '|' جدا می‌شود. برای مثال جهت بازنویسی موقعیت‌های کانال چپ جلو و راست جلو از: 'speakers=FL 45 15|FR 345 15' استفاده کنید. توضیحات با نام‌های کانال ناشناخته نادیده گرفته می‌شوند.

lfegain

تنظیم بهرهٔ سفارشی برای کانال‌های LFE. مقدار بر حسب dB است. پیش‌فرض 0 است.

framesize

تنظیم اندازهٔ فریم سفارشی بر حسب تعداد نمونه‌ها. پیش‌فرض 1024 است. محدودهٔ مجاز از 1024 تا 96000 است. فقط در صورتی استفاده می‌شود که گزینهٔ type روی freq تنظیم شده باشد.

normalize

آیا تمام پاسخ‌های ضربه (IR) هنگام وارد کردن پروندهٔ SOFA نرمال‌سازی شوند یا خیر. به‌طور پیش‌فرض فعال است.

interpolate

آیا در صورت عدم تطابق دقیق موقعیت، نزدیک‌ترین IRها با IRهای همسایه درون‌یابی شوند یا خیر. به‌طور پیش‌فرض غیرفعال است.

minphase

حداقل فاز کردن تمامی IRها هنگام بارگذاری پروندهٔ SOFA. به‌طور پیش‌فرض غیرفعال است.

anglestep

تنظیم گام زاویهٔ جستجوی همسایه. فقط در صورت فعال بودن گزینهٔ interpolate استفاده می‌شود.

radstep

تنظیم گام شعاع جستجوی همسایه. فقط در صورت فعال بودن گزینهٔ interpolate استفاده می‌شود.

مثال‌ها

• استفاده از پروندهٔ sofa با نام ClubFritz6:

  sofalizer=sofa=/path/to/ClubFritz6.sofa:type=freq:radius=1

• استفاده از پروندهٔ sofa با نام ClubFritz12 و شعاع بزرگ‌تر همراه با چرخش کم:

  sofalizer=sofa=/path/to/ClubFritz12.sofa:type=freq:radius=2:rotation=5

• مشابه بالا اما با موقعیت‌های سفارشی بلندگو برای چپ جلو، راست جلو، چپ عقب و راست عقب و همچنین با بهرهٔ سفارشی:

  "sofalizer=sofa=/path/to/ClubFritz6.sofa:type=freq:radius=2:speakers=FL 45|FR 315|BL 135|BR 225:gain=28"

speechnorm

نرمال‌ساز گفتار (Speech Normalizer).

این فیلتر هر نیم‌چرخه از نمونه‌های صوتی (مجموعهٔ محلی از نمونه‌ها که همگی بالای صفر یا همگی زیر صفر و بین دو تقاطع صفر مجاور قرار دارند) را بسته به مقدار آستانه گسترش می‌دهد یا فشرده می‌کند، به طوری که صدا تحت شرایط کنترل‌شده توسط گزینه‌های زیر به مقدار اوج هدف برسد.

فیلتر گزینه‌های زیر را می‌پذیرد:

peak, p

تنظیم مقدار اوج هدف گسترش. این گزینه بالاترین سطح دامنهٔ مطلق مجاز را برای ورودی صوتی نرمال‌شده مشخص می‌کند. مقدار پیش‌فرض 0.95 است. محدودهٔ مجاز از 0.0 تا 1.0 است.

expansion, e

تنظیم حداکثر ضریب گسترش. محدودهٔ مجاز از 1.0 تا 50.0 است. مقدار پیش‌فرض 2.0 است. این گزینه حداکثر گسترش نیم‌چرخهٔ محلی نمونه‌ها را کنترل می‌کند. حداکثر گسترش به گونه‌ای خواهد بود که مقدار اوج محلی به مقدار اوج هدف برسد اما هرگز از آن فراتر نرود و نسبت بین مقدار اوج جدید و قبلی از مقدار این گزینه فراتر نرود.

compression, c

تنظیم حداکثر ضریب فشرده‌سازی. محدودهٔ مجاز از 1.0 تا 50.0 است. مقدار پیش‌فرض 2.0 است. این گزینه حداکثر فشرده‌سازی نیم‌چرخهٔ محلی نمونه‌ها را کنترل می‌کند. این گزینه تنها در صورتی استفاده می‌شود که گزینهٔ threshold بر روی مقداری بزرگ‌تر از 0.0 تنظیم شده باشد؛ در چنین مواردی هنگامی که اوج محلی کمتر یا مساوی مقدار تنظیم‌شده توسط threshold باشد، تمام نمونه‌های متعلق به نیم‌چرخهٔ آن اوج با ضریب فشرده‌سازی فعلی فشرده خواهند شد.

threshold, t

تنظیم مقدار آستانه. مقدار پیش‌فرض 0.0 است. محدودهٔ مجاز از 0.0 تا 1.0 است. این گزینه مشخص می‌کند کدام نیم‌چرخه‌های نمونه‌ها فشرده و کدام یک گسترش خواهند یافت. هر نمونهٔ نیم‌چرخه با مقدار اوج محلی کمتر یا مساوی با مقدار این گزینه با ضریب فشرده‌سازی فعلی فشرده می‌شود، در غیر این صورت اگر بزرگ‌تر از مقدار آستانه باشد با ضریب گسترش گسترش می‌یابد تا بتواند به مقدار اوج هدف برسد اما هرگز از آن فراتر نرود.

raise, r

تنظیم میزان افزایش ضریب گسترش به‌ازای هر نیم‌چرخه از نمونه‌ها. مقدار پیش‌فرض 0.001 است. محدودهٔ مجاز از 0.0 تا 1.0 است. این گزینه کنترل می‌کند که ضریب گسترش به‌ازای هر نیم‌چرخهٔ جدید با چه سرعتی افزایش یابد تا به مقدار expansion برسد. تنظیم بیش از حد بالای این گزینه ممکن است منجر به اعوجاج شود.

fall, f

تنظیم میزان افزایش ضریب فشرده‌سازی به‌ازای هر نیم‌چرخه از نمونه‌ها. مقدار پیش‌فرض 0.001 است. محدودهٔ مجاز از 0.0 تا 1.0 است. این گزینه کنترل می‌کند که ضریب فشرده‌سازی به‌ازای هر نیم‌چرخهٔ جدید با چه سرعتی افزایش یابد تا به مقدار compression برسد.

channels, h

تعیین کانال‌های مورد نظر برای فیلترسازی، به‌طور پیش‌فرض تمام کانال‌های موجود فیلتر می‌شوند.

invert, i

فعال‌سازی فیلترسازی معکوس، به‌طور پیش‌فرض غیرفعال است. این گزینه تفسیر گزینهٔ threshold را معکوس می‌کند. در صورت فعال بودن، هر نیم‌چرخه از نمونه‌ها با مقدار اوج محلی کمتر یا مساوی گزینهٔ threshold گسترش می‌یابد و در غیر این صورت فشرده خواهد شد.

link, l

پیوند کانال‌ها هنگام محاسبهٔ بهرهٔ اعمال‌شده به هر نمونه از کانال فیلترشده، به‌طور پیش‌فرض غیرفعال است. در صورت غیرفعال بودن، محاسبهٔ بهرهٔ هر کانال فیلترشده مستقل است، در غیر این صورت هنگام فعال بودن این گزینه، حداقل تمام بهره‌های ممکن برای هر کانال فیلترشده استفاده می‌شود.

rms, m

تنظیم مقدار RMS هدف گسترش. این گزینه بالاترین سطح RMS مجاز را برای ورودی صوتی نرمال‌شده مشخص می‌کند. مقدار پیش‌فرض 0.0 است و در نتیجه غیرفعال می‌باشد. محدودهٔ مجاز از 0.0 تا 1.0 است.

دستورها

این فیلتر از تمامی گزینه‌های فوق به عنوان دستور پشتیبانی می‌کند.

مثال‌ها

• تقویت ضعیف و کند:

  speechnorm=e=3:r=0.00001:l=1

• تقویت متوسط و کند:

  speechnorm=e=6.25:r=0.00001:l=1

• تقویت قوی و سریع:

  speechnorm=e=12.5:r=0.0001:l=1

• تقویت بسیار قوی و سریع:

  speechnorm=e=25:r=0.0001:l=1

• تقویت شدید و سریع:

  speechnorm=e=50:r=0.0001:l=1

stereotools

این فیلتر ابزارهای مفیدی را برای مدیریت سیگنال‌های استریو، جهت تبدیل ضبط‌های استریوی M/S به سیگنال L/R ضمن کنترل بر روی پارامترها، یا گسترش تصویر استریوی قطعه اصلی (master track) ارائه می‌دهد.

این فیلتر گزینه‌های زیر را می‌پذیرد:

level_in

تنظیم سطح ورودی پیش از فیلتر کردن برای هر دو کانال. پیش‌فرض 1 است. محدوده مجاز از 0.015625 تا 64 است.

level_out

تنظیم سطح خروجی پس از فیلتر کردن برای هر دو کانال. پیش‌فرض 1 است. محدوده مجاز از 0.015625 تا 64 است.

balance_in

تنظیم تراز (بالانس) ورودی میان هر دو کانال. پیش‌فرض 0 است. محدوده مجاز از -1 تا 1 است.

balance_out

تنظیم تراز (بالانس) خروجی میان هر دو کانال. پیش‌فرض 0 است. محدوده مجاز از -1 تا 1 است.

softclip

فعال‌سازی برش نرم (softclipping). به‌جای برش خشن دیجیتالی 0dB، منجر به اعوجاج آنالوگ می‌شود. به‌طور پیش‌فرض غیرفعال است.

mutel

بی‌صدا کردن کانال چپ. به‌طور پیش‌فرض غیرفعال است.

muter

بی‌صدا کردن کانال راست. به‌طور پیش‌فرض غیرفعال است.

phasel

تغییر فاز کانال چپ. به‌طور پیش‌فرض غیرفعال است.

phaser

تغییر فاز کانال راست. به‌طور پیش‌فرض غیرفعال است.

mode

تنظیم حالت استریو. مقادیر موجود عبارتند از:

slev

تنظیم سطح سیگنال جانبی (side). پیش‌فرض 1 است. محدوده مجاز از 0.015625 تا 64 است.

sbal

تنظیم تراز سیگنال جانبی. پیش‌فرض 0 است. محدوده مجاز از -1 تا 1 است.

mlev

تنظیم سطح سیگنال میانی (middle). پیش‌فرض 1 است. محدوده مجاز از 0.015625 تا 64 است.

mpan

تنظیم پن (جهت‌گیری) سیگنال میانی. پیش‌فرض 0 است. محدوده مجاز از -1 تا 1 است.

base

تنظیم پایه استریو میان کانال‌های مونو و معکوس‌شده. پیش‌فرض 0 است. محدوده مجاز از -1 تا 1 است.

delay

تنظیم میزان تأخیر کانال چپ نسبت به راست و برعکس بر حسب میلی‌ثانیه. پیش‌فرض 0 است. محدوده مجاز از -20 تا 20 است.

sclevel

تنظیم سطح S/C. پیش‌فرض 1 است. محدوده مجاز از 1 تا 100 است.

phase

تنظیم فاز استریو به درجه. پیش‌فرض 0 است. محدوده مجاز از 0 تا 360 است.

bmode_in, bmode_out

تنظیم حالت تراز برای گزینه balance_in/balance_out.

می‌تواند یکی از مقادیر زیر باشد:

دستورات (Commands)

این فیلتر از تمامی گزینه‌های فوق به عنوان دستورات پشتیبانی می‌کند.

مثال‌ها (Examples)

• اعمال جلوه‌ای شبیه به کارائوکه:

  stereotools=mlev=0.015625

• تبدیل سیگنال M/S به L/R:

  "stereotools=mode=ms>lr"

stereowiden

این فیلتر با تضعیف سیگنال مشترک میان هر دو کانال و ایجاد تأخیر در سیگنال چپ روی راست و برعکس، جلوه استریو را تقویت کرده و پهنای صحنه صوتی را افزایش می‌دهد.

این فیلتر گزینه‌های زیر را می‌پذیرد:

delay

مدت زمان تأخیر سیگنال چپ روی راست و برعکس بر حسب میلی‌ثانیه. پیش‌فرض 20 میلی‌ثانیه است.

feedback

میزان بهره در سیگنال دارای تأخیر روی کانال مقابل. یک اثر تأخیری از سیگنال چپ در خروجی راست و برعکس ایجاد می‌کند که به گسترده‌تر شدن تصویر صوتی می‌انجامد. پیش‌فرض 0.3 است.

crossfeed

تغذیه متقاطع (cross feed) چپ روی راست با فاز معکوس. این پارامتر به حذف بخش مونو کمک می‌کند. اگر مقدار آن 1 باشد، تمامی سیگنال مشترک میان هر دو کانال حذف خواهد شد. پیش‌فرض 0.3 است.

drymix

تنظیم سطح سیگنال ورودی اصلی کانال (سیگنال پردازش‌نشده). پیش‌فرض 0.8 است.

دستورات (Commands)

این فیلتر از تمامی گزینه‌های فوق به جز "delay" به عنوان دستورات پشتیبانی می‌کند.

superequalizer

اعمال یک اکولایزر ۱۸ بانده.

این فیلتر گزینه‌های زیر را می‌پذیرد:

1b

تنظیم بهره باند 65Hz.

2b

تنظیم بهره باند 92Hz.

3b

تنظیم بهره باند 131Hz.

4b

تنظیم بهره باند 185Hz.

5b

تنظیم بهره باند 262Hz.

6b

تنظیم بهره باند 370Hz.

7b

تنظیم بهره باند 523Hz.

8b

تنظیم بهره باند 740Hz.

9b

تنظیم بهره باند 1047Hz.

10b

تنظیم بهره باند 1480Hz.

11b

تنظیم بهره باند 2093Hz.

12b

تنظیم بهره باند 2960Hz.

13b

تنظیم بهره باند 4186Hz.

14b

تنظیم بهره باند 5920Hz.

15b

تنظیم بهره باند 8372Hz.

16b

تنظیم بهره باند 11840Hz.

17b

تنظیم بهره باند 16744Hz.

18b

تنظیم بهره باند 20000Hz.

surround

اعمال فیلتر تبدیل صدای استریو به صدای فراگیر (surround upmix).

این فیلتر امکان تولید خروجی چندکاناله از یک جریان صوتی را فراهم می‌سازد.

این فیلتر گزینه‌های زیر را می‌پذیرد:

chl_out

تنظیم چیدمان کانال خروجی. به‌طور پیش‌فرض، برابر 5.1 است.

برای اطلاع از سینتکس مورد نیاز، بخش Channel Layout در راهنمای ffmpeg-utils(1) را ببینید.

chl_in

تنظیم چیدمان کانال ورودی. به‌طور پیش‌فرض، برابر stereo است.

برای اطلاع از سینتکس مورد نیاز، بخش Channel Layout در راهنمای ffmpeg-utils(1) را ببینید.

level_in

تنظیم سطح بلندی صدای ورودی. به‌طور پیش‌فرض 1 است.

level_out

تنظیم سطح بلندی صدای خروجی. به‌طور پیش‌فرض 1 است.

lfe

فعال‌سازی خروجی کانال LFE (ساب‌ووفر) در صورتی که چیدمان خروجی شامل آن باشد. به‌طور پیش‌فرض فعال است.

lfe_low

تنظیم فرکانس قطع پایین LFE. به‌طور پیش‌فرض 128 Hz است.

lfe_high

تنظیم فرکانس قطع بالای LFE. به‌طور پیش‌فرض 256 Hz است.

lfe_mode

تنظیم حالت LFE، می‌تواند add یا sub باشد. پیش‌فرض add است. در حالت add، کانال LFE از صدای ورودی تولید شده و به خروجی افزوده می‌شود. در حالت sub، کانال LFE از صدای ورودی تولید شده و به خروجی افزوده می‌شود اما همچنین کانال LFE خروجی از تمامی کانال‌های خروجی غیر LFE تفریق می‌گردد.

smooth

تنظیم شدت هموارسازی زمانی که برای تغییر تدریجی ضرایب هنگام دگرگونی صدای استریو در طول زمان استفاده می‌شود. محدوده مجاز از 0.0 تا 1.0 است. برای بهبود کیفیت خروجی با مقادیر گزینه focus بزرگ‌تر از 0.0 مفید است. پیش‌فرض 0.0 است. تنها مقادیر درون این بازه و فاقد لبه‌ها مؤثر هستند.

angle

تنظیم زاویه تبدیل صدای فراگیر استریو. محدوده مجاز از 0 تا 360 است. پیش‌فرض 90 است.

focus

تنظیم کانون (تمرکز) تبدیل صدای فراگیر استریو. محدوده مجاز از -1 تا 1 است. پیش‌فرض 0 است.

fc_in

تنظیم بلندی صدای ورودی جلو-مرکز (front center). به‌طور پیش‌فرض 1 است.

fc_out

تنظیم بلندی صدای خروجی جلو-مرکز. به‌طور پیش‌فرض 1 است.

fl_in

تنظیم بلندی صدای ورودی جلو-چپ (front left). به‌طور پیش‌فرض 1 است.

fl_out

تنظیم بلندی صدای خروجی جلو-چپ. به‌طور پیش‌فرض 1 است.

fr_in

تنظیم بلندی صدای ورودی جلو-راست (front right). به‌طور پیش‌فرض 1 است.

fr_out

تنظیم بلندی صدای خروجی جلو-راست. به‌طور پیش‌فرض 1 است.

sl_in

تنظیم بلندی صدای ورودی کناری-چپ (side left). به‌طور پیش‌فرض 1 است.

sl_out

تنظیم بلندی صدای خروجی کناری-چپ. به‌طور پیش‌فرض 1 است.

sr_in

تنظیم بلندی صدای ورودی کناری-راست (side right). به‌طور پیش‌فرض 1 است.

sr_out

تنظیم بلندی صدای خروجی کناری-راست. به‌طور پیش‌فرض 1 است.

bl_in

تنظیم بلندی صدای ورودی عقب-چپ (back left). به‌طور پیش‌فرض 1 است.

bl_out

تنظیم بلندی صدای خروجی عقب-چپ. به‌طور پیش‌فرض 1 است.

br_in

تنظیم بلندی صدای ورودی عقب-راست (back right). به‌طور پیش‌فرض 1 است.

br_out

تنظیم بلندی صدای خروجی عقب-راست. به‌طور پیش‌فرض 1 است.

bc_in

تنظیم بلندی صدای ورودی عقب-مرکز (back center). به‌طور پیش‌فرض 1 است.

bc_out

تنظیم بلندی صدای خروجی عقب-مرکز. به‌طور پیش‌فرض 1 است.

lfe_in

تنظیم بلندی صدای ورودی LFE. به‌طور پیش‌فرض 1 است.

lfe_out

تنظیم بلندی صدای خروجی LFE. به‌طور پیش‌فرض 1 است.

allx

تنظیم میزان گسترش تصویر استریو در راستای محور X برای تمام کانال‌ها. محدوده مجاز از -1 تا 15 است. به‌طور پیش‌فرض مقدار منفی -1 است و در نتیجه استفاده نمی‌شود.

ally

تنظیم میزان گسترش تصویر استریو در راستای محور Y برای تمام کانال‌ها. محدوده مجاز از -1 تا 15 است. به‌طور پیش‌فرض مقدار منفی -1 است و در نتیجه استفاده نمی‌شود.

fcx, flx, frx, blx, brx, slx, srx, bcx

تنظیم میزان گسترش تصویر استریو در راستای محور X برای هر کانال مجزا. محدوده مجاز از 0.06 تا 15 است. به‌طور پیش‌فرض این مقدار 0.5 است.

fcy, fly, fry, bly, bry, sly, sry, bcy

تنظیم میزان گسترش تصویر استریو در راستای محور Y برای هر کانال مجزا. محدوده مجاز از 0.06 تا 15 است. به‌طور پیش‌فرض این مقدار 0.5 است.

win_size

تنظیم اندازه پنجره. محدوده مجاز از 1024 تا 65536 است. اندازه پیش‌فرض 4096 است.

win_func

تنظیم تابع پنجره‌بندی (window function).

این گزینه مقادیر زیر را می‌پذیرد:

overlap

تنظیم میزان همپوشانی پنجره. در صورت تنظیم روی 1، همپوشانی توصیه‌شده برای تابع پنجره انتخاب‌شده اعمال خواهد شد. پیش‌فرض 0.5 است.

tiltshelf

تقویت یا تضعیف فرکانس‌های پایین‌تر و تضعیف یا تقویت فرکانس‌های بالاتر صدا با استفاده از یک فیلتر قفسه‌ای (shelving) دوقطبی با پاسخی شبیه به کنترل‌های تن صدای سیستم‌های صوتی خانگی (hi-fi). این روش به عنوان اکولایزاسیون قفسه‌ای (shelving EQ) نیز شناخته می‌شود.

این فیلتر گزینه‌های زیر را می‌پذیرد:

gain, g

تعیین بهره در 0 Hz. محدوده مفید آن بین -20 (برای تضعیف شدید) تا +20 (برای تقویت شدید) است. هنگام استفاده از بهره مثبت مراقب پدیده برش سیگنال (clipping) باشید.

frequency, f

تنظیم فرکانس مرکزی فیلتر؛ از این گزینه می‌توان برای گسترش یا کاهش محدوده فرکانسی که باید تقویت یا تضعیف شود استفاده کرد. مقدار پیش‌فرض 3000 Hz است.

width_type, t

تنظیم روش تعیین پهنای باند فیلتر.

width, w

تعیین شیب گذار قفسه‌ای فیلتر.

poles, p

تنظیم تعداد قطب‌ها. پیش‌فرض 2 است.

mix, m

میزان استفاده از سیگنال فیلترشده در خروجی. پیش‌فرض 1 است. محدوده مجاز بین 0 و 1 است.

channels, c

مشخص کردن کانال‌هایی که باید فیلتر شوند؛ به‌طور پیش‌فرض تمامی کانال‌های موجود فیلتر می‌شوند.

normalize, n

نرمال‌سازی ضرایب biquad؛ به‌طور پیش‌فرض غیرفعال است. فعال کردن آن پاسخ دامنه در فرکانس DC را روی 0dB نرمال می‌کند.

transform, a

تنظیم نوع تبدیل فیلتر IIR.

precision, r

تنظیم دقت فیلتر کردن.

block_size, b

تنظیم اندازه بلوک مورد استفاده برای پردازش معکوس IIR. اگر این مقدار روی مقداری به اندازه کافی بزرگ تنظیم شود (بزرگ‌تر از طول پاسخ ضربه که در مقادیر نزدیک به صفر بریده می‌شود)، فیلترسازی دارای فاز خطی خواهد شد؛ در غیر این صورت اگر به اندازه کافی بزرگ نباشد آرتیفکت‌های نامطلوبی ایجاد خواهد کرد.

توجه داشته باشید در صورت تنظیم مقداری غیر از صفر، تأخیر فیلتر دقیقاً به همین تعداد نمونه خواهد بود.

دستورات (Commands)

این فیلتر از برخی گزینه‌ها به عنوان دستورات پشتیبانی می‌کند.

treble, highshelf

تقویت یا تضعیف فرکانس‌های زیر (بالایی) صدا با استفاده از یک فیلتر قفسه‌ای دوقطبی با پاسخی شبیه به کنترل‌های تن صدای استاندارد در تجهیزات صوتی. این روش به عنوان اکولایزاسیون قفسه‌ای (EQ) نیز شناخته می‌شود.

این فیلتر گزینه‌های زیر را می‌پذیرد:

gain, g

تعیین میزان بهره در کمترین مقدار میان ~22 kHz و فرکانس نایکوئیست (Nyquist). محدوده مفید آن بین -20 (برای تضعیف شدید) تا +20 (برای تقویت شدید) است. هنگام استفاده از بهره مثبت مراقب پدیده برش سیگنال (clipping) باشید.

frequency, f

تنظیم فرکانس مرکزی فیلتر؛ بنابراین می‌تواند برای گسترش یا کاهش محدوده فرکانسی مورد نیاز برای تقویت یا تضعیف به کار رود. مقدار پیش‌فرض 3000 Hz است.

width_type, t

تنظیم روش تعیین پهنای باند فیلتر.

width, w

تعیین شیب گذار قفسه‌ای فیلتر.

poles, p

تنظیم تعداد قطب‌ها. پیش‌فرض 2 است.

mix, m

میزان استفاده از سیگنال فیلترشده در خروجی. پیش‌فرض 1 است. محدوده مجاز بین 0 و 1 است.

channels, c

مشخص کردن کانال‌ها جهت فیلتر شدن؛ به‌طور پیش‌فرض تمامی کانال‌های موجود فیلتر می‌شوند.

normalize, n

نرمال‌سازی ضرایب biquad؛ به‌طور پیش‌فرض غیرفعال است. فعال‌سازی آن پاسخ دامنه در DC را روی 0dB نرمال می‌کند.

transform, a

تنظیم نوع تبدیل فیلتر IIR.