使用Sound eXchange (SoX)进行DSD、PCM格式转换

2023-08-18 12:34 作者:Taokaka00 0人读过 | 我要投稿

不是什么严肃的文字内容，就考虑用点废话的样子来写了。

一、如何遇到Sound eXchange (SoX)这个软件的：

hifi群友推荐的博客——浴沂咏归（ZexWoo's Blog）：https://zexwoo.blog/

翻找文章的时候，有两篇文章提到过SoX：

《重采样与降位深指南》：https://zexwoo.blog/posts/tutorials/resampling-and-bit-depth-reduction/ 里面说用SoX在降采样率速度快，效果好。

《SACD》：https://zexwoo.blog/posts/knowledge/sacd/

当中有一篇名叫《DSD转PCM分析》跳转到国外的博客——@Archimago：https://archimago.blogspot.com/，一番找寻后，里面直接提到SoX这个软件很牛，DSD to PCM效果不输专业付费音频转换软件的。（文章标题太长我偷懒了）：https://archimago.blogspot.com/2021/10/measurements-look-at-dsd-and-using-sox.html

好奇心满满的我，开始了一些尝试。

二、SoX有什么效果

SoX是开源软件，只有命令行，没有GUI图形界面。

SoX的重采样能力很强，转换速度快，听感上数据保留量较好。

SoX同时可以进行抖动（Dither）处理，关于44.1/48kHz采样率还可以使用一些噪声整形（Noise Shaping）处理音频数据。

SoX也可以做一些音效处理，也可以调整音量（音频增益或音量归一化）。

我主要是用来做格式转换和抖动处理的，音效方面没怎么使用过。

介绍文章请看：https://www.jianshu.com/p/be8977de4a6b

三、SoX的使用

SoX的下载：

https://sourceforge.net/projects/sox/files/sox/

按照Archimago博客的推荐，我使用了以下两个版本的SoX：

https://audiodigitale.eu/repo/sox/ （AVX、AVX2）

https://www.audiofaidate.org/sw/sox-dsd/ （MSVC、x86_64）

以上两个改版支持PCM to DSD，原版只能PCM to PCM。

我使用的是AVX2版本的，具体可以用CPU-Z查看自己的CPU指令集，找适合自己CPU的。

还有一个小细节就是，原版对日文等字符的支持不佳，文件名需要更改才能正常运行。但在改版上就没有这个问题。
SoX的使用（全局环境的部署）：参照该文章部署SoX全局环境

简单点说，将SoX解压对应位置，将文件夹对应路径加入系统Path环境中，就完成了。

SoX的使用命令：

SoX命令原则为：sox [gopts] [[fopts] infile]... [fopts] outfile [effect [effopt]]

SoX命令介绍：

[gopts]：全局选项，用于配置全局设置，如全局缓冲区大小、多线程等。

[[fopts] infile]...：输入文件和相关选项，[fopts]代表文件选项，可以配置输入文件的格式、采样率等。infile代表输入文件的路径。

[fopts] outfile：输出文件和相关选项，[fopts]代表文件选项，可以配置输出文件的格式、采样率等。outfile代表输出文件的路径。

[effect [effopt]]：SoX支持多种效果和效果选项，可以对音频进行处理、转换和调整。effect代表效果的名称，effopt代表效果的选项。

一个例子：sox -S -V3 -D -G --buffer 4194304 --multi-threaded <输入文件> -r 176.4k -b 32 -f <输出文件>

从左到右为：显示转换状态，不进行抖动，自动音量增益，内存缓存为4G，启用多线程，<输入文件>，输出比特率176.4K，输出位深32位，浮点，<输出文件>

具体命令如下：

-r 输出比特率，即44.1k/88.2k/176.4k/352.8k/705.6k/1411.2k（DSD转PCM请严格按照44.1k计算）

-b 输出位深，即16/24/32 (-f)。

-f 与输出位深-b结合使用，采用浮点方式输出。

DSD to PCM建议转换参数：DSD to PCM建议转换参数

DSD64    88.2k/24

DSD128    88.2&176.4k/24

DSD256    176.4/352.8k/24

[全局]-G（--guard），即“gain -h+gain -r”，自动计算音量增益，防止频率被削波。

[全局]-S（--show-progress），显示转换状态。默认是隐藏的，建议加入此命令。

[全局]-D（--no-dither），即不进行抖动（不进行量化失真）。

[全局]-V[1-6]，显示SoX运行状态。1只显示错误信息，2显示警告，3显示细节，4-6属于调试级别。建议加入此命令。（注意要写成【-V3】，而非【-V 3】）

[全局]--buffer 任意数字，单位为千字节（KB）。即手动设定使用多少内存容量用于转换，默认8192KB（8MB）。与启用多线程--multi-threaded结合使用。

（1G=1048576、2G=2097152、4G=4194304、10G=10485760、20G=20971520）

[全局]--multi-threaded，即启用多线程。

SoX的批处理文件：

感谢ChatGPT编写的批处理，这下终于可以解决输入命令问题了：

举个例子：将音频文件转换成88.2k/24 wav文件，转换过程中不进行抖动处理。

@echo off

setlocal enabledelayedexpansion

for %%F in (*.wav *.flac *.w64 *.dff *.dsf) do (

set "filename=%%~nF"

set "output_filename=!filename! (88.2+24+禁dither).wav"

sox -S -D -V3 --buffer 4194304 --multi-threaded "%%F" -r 88.2k -b 24 "!output_filename!"

)

endlocal