修低频过量的四条: HRIR 均衡 + 房间 IR 校平 + LN_MAX_BOOST + EQ 平直

诊断见 README「实测(2026-09-20)」: 链路的**线性**部分干净(无驻波、失真 −116 dB),
"低频脏 + 沙沙"来自电平被顶穿之后软限幅常年介入 —— 归一化把内容提到满刻度, 宽频信号
一削, 互调产物堆在低频(听感"脏")、高频碎屑(听感"沙沙")。实测超软限幅阈值样本 50.49%、
峰值因子被从 14 dB 压到 2.0 dB。

四条修复:
1. LN_MAX_BOOST 20 -> 12(默认值): 20 dB 的提升上限让任何轻内容都被顶穿满刻度
2. HRIR 同相合并响应均衡(lowshelf 500Hz −7.2dB Q=0.707, 12 条共用一条曲线,
   方向线索 ILD/ITD 不受影响): 这套 HRIR 是原始测量数据、没做过漫反射场均衡。
   ★ 口径注意: 标准 DF-EQ 用各方向**功率平均**做参考, 只要求压 1.5 dB; 但真实内容
   L≈R 时两耳信号是**相加**的, 同相合并响应才对应实测的 7.5 dB
3. 房间 IR 低频校平(lowshelf 300Hz −21dB Q=0.70): 低频比中频高 24.5 dB -> 压到 +5.8 dB
   (留一点厚度); IR 峰值随之掉 3.7 dB, 湿路 gain 0.4 -> 0.61 补偿, 保持混响响度不变
4. EQ 微笑曲线(20~63Hz +2.5 / 高频 +3)改回平直

复测(同素材同脚本): 低频 20~200Hz **+13.6 -> +0.2 dB**; 整链峰值因子 **2.0 -> 12.2 dB**;
超阈值样本 **50.49% -> 0.00%**; 峰值/RMS −0.1/−2.1 -> −6.2/−18.4 dBFS。
响度目标回到 −14 dB 也不会再顶穿。

新增: 工具/分析均衡曲线.py(量曲线)、工具/均衡IR.py(施加校正, 可重跑);
README 加「IR 校正」节 + 修复前后对照 + 两条测量方法上的坑。
IR 备份: hrir/*.pre-eq.wav 与 reverb/*.wav.pre-eq.wav(频响校正前)、
reverb/*.orig.wav(剪直达声前)。重跑顺序: 先 重做混响IR.py, 再 均衡IR.py。

README.md

@@ -167,6 +167,27 @@ collaplex-audio stop                                          # 连链路一起
   **敏感判据 = 通道探针**: 把一个声道指向"左声道全零、右声道为真数据"的双声道文件,
   再配 `channel = 1`; 若该声道输出**没有**塌掉, 就说明真的按索引取到了第 2 声道
   (实测左右差仅 1.1 dB; 读错声道会掉 40 dB 以上)。
+- **HRIR 的频响校正要用"同相合并响应", 不是标准 DF-EQ** —— 标准漫反射场均衡按各方向
+  **功率平均**取参考(假设各方向互不相关), 这套 HRIR 按它算只需要压 1.5 dB; 但真实内容
+  (人声/低频居中, L ≈ R)两耳信号是**相加**的, 同相合并响应实测低频高 **7.5 dB**, 这才
+  是用户实际听到的量。按同相合并设计后低频压 7.2 dB, 端到端复测低频落到 0(见下)。
+
+## IR 校正(2026-09-20)
+
+两处校正都改**文件**、不改 conf(数据干净、conf 简洁、任何用到这些 IR 的地方都受益),
+工具 `工具/均衡IR.py` 可重跑, 原文件一律备份为 `.orig.wav`。曲线由 `工具/分析均衡曲线.py`
+量出来。都用一个**共用的** lowshelf, 所以 HRTF 的方向线索(ILD/ITD)不受影响。
+
+| 对象 | 问题 | 校正 | 效果 |
+|---|---|---|---|
+| 12 条 HRIR | 同相输入时低频比 1 kHz 高 7.5 dB | lowshelf 500 Hz **−7.2 dB** Q=0.707 | 端到端低频 **+7.5 → −0.1 dB** |
+| 房间 IR | 低频比中频高 24.5 dB, 湿路灌低频 | lowshelf 300 Hz **−21 dB** Q=0.70 | 低频 **+24.5 → +5.8 dB**(留一点厚度) |
+
+配套改动:
+- `LN_MAX_BOOST` **20 → 12**(默认值) —— 20 dB 的提升上限会把任何轻内容顶穿满刻度,
+  是"软限幅常年介入"的直接原因。
+- 房间 IR 被压低频后峰值掉 3.7 dB, 湿路 `gain` 相应 **0.4 → 0.61** 补偿, 这样听感差异
+  纯粹来自"低频变干净"而不是"混响变小"。
 
 ## 实测(2026-09-19)
 
@@ -214,6 +235,21 @@ collaplex-audio stop                                          # 连链路一起
   (只改电平的对照实验)、`测试/验证混响声道.py`(混响声道配置检查)、
   `测试/诊断低频沙沙.py`(逐级旁路, 注: 其频响口径受电平影响, 已由前两个脚本取代)。
 
+### 修复后复测(同素材同脚本)
+
+| 指标 | 修复前 | 修复后 |
+|---|---|---|
+| HRTF + EQ 的低频(20~200 Hz 相对 1 kHz) | +7.5 dB | **−0.1 dB** |
+| 再加混响 | +13.6 dB | **+0.2 dB** |
+| 整链(经归一化)低频 | +12.7 dB | **+0.1 dB** |
+| 整链峰值因子 | **2.0 dB** | **12.2 dB** |
+| **超软限幅阈值样本** | **50.49%** | **0.00%** |
+| 整链峰值 / RMS | −0.1 / −2.1 dBFS | **−6.2 / −18.4 dBFS** |
+
+做完的四件事(全部落地): ① `LN_MAX_BOOST` 20 → 12; ② HRIR 同相合并响应均衡 −7.2 dB;
+③ 房间 IR 低频校平 −21 dB + 湿路 gain 0.4 → 0.61 补偿; ④ EQ 微笑曲线(20~63 Hz +2.5 dB、
+高频 +3 dB)改回平直。低频过量收回 ~13 dB 之后, 响度目标回到 −14 dB 也不会再顶穿。
+
 ## 试听
 
 ```sh

bin/collaplex-loudness-norm

@@ -8,7 +8,7 @@
 #    音频绕过、零日志)。脚本内部再去 exec 中文路径的 DSP 是没问题的。
 export LN_TARGET_DB=-12
 export LN_GATE_DB=-50
-export LN_MAX_BOOST=20
+export LN_MAX_BOOST=12
 export LN_MAX_CUT=20
 export LN_SLEW_DB_S=6
 export LN_RATE=96000

pipewire/20-collaplex-hrtf.conf

@@ -20,8 +20,8 @@ context.modules = [
                     { type = builtin label = convolver name = cFRR config = { filename = "__HRIR__/FR_R.wav" } }
                     { type = builtin label = mixer name = hL control = { "Gain 1" = 1.0 "Gain 2" = 1.0 } }
                     { type = builtin label = mixer name = hR control = { "Gain 1" = 1.0 "Gain 2" = 1.0 } }
-                    { type = builtin label = convolver name = revL config = { filename = "__REVERB__" channel = 0 gain = 0.4 } }
-                    { type = builtin label = convolver name = revR config = { filename = "__REVERB__" channel = 1 gain = 0.4 } }
+                    { type = builtin label = convolver name = revL config = { filename = "__REVERB__" channel = 0 gain = 0.61 } }
+                    { type = builtin label = convolver name = revR config = { filename = "__REVERB__" channel = 1 gain = 0.61 } }
                     { type = builtin label = pipe name = wetgL config = { command = "__WET_WRAPPER__" } }
                     { type = builtin label = pipe name = wetgR config = { command = "__WET_WRAPPER__" } }
                     { type = builtin label = mixer name = wetL control = { "Gain 1" = 1.0 "Gain 2" = 1.0 } }

工具/分析均衡曲线.py

@@ -0,0 +1,153 @@
+"""分析出一条"该补多少"的曲线, 供设计均衡滤波器用。
+
+两件事:
+  ① HRIR 漫反射场均衡(DF-EQ): 这套 HRIR 是原始测量数据, 没做过漫反射场均衡,
+     表现为"对侧耳低频比自身 1 kHz 高 7~8 dB、所有 IR 高频高 4~5 dB" -> 链路低频过量。
+     标准做法: 用所有方向 IR 的**功率平均**当参考, 取 1/sqrt(P_avg) 作为均衡曲线。
+  ② 房间 IR 的频响校平: 混响 IR 低频(20~200 Hz)比中高频高 20~25 dB, 湿路灌低频。
+
+只做分析、打印曲线, 不写任何文件。
+"""
+from __future__ import annotations
+
+import glob
+import os
+import warnings
+
+import numpy as np
+from scipy.io import wavfile
+
+warnings.filterwarnings("ignore")
+
+RATE = 96000
+PROJ = "/home/lou/桌面/工作区/实验/collaplex音效"
+N = 1 << 15                      # FFT 长度 -> 频率分辨率 2.93 Hz
+
+BANDS: list[float] = []
+_f = 20.0
+while _f <= 20000.0:
+    BANDS.append(round(_f, 2))
+    _f *= 2 ** (1 / 6)           # 1/6 倍频程
+
+
+def read_mono(path: str) -> np.ndarray:
+    _sr, data = wavfile.read(path)
+    a = np.asarray(data, dtype=np.float64)
+    if a.ndim > 1:
+        a = a[:, 0]
+    return a
+
+
+def smooth_log(freq: np.ndarray, curve: np.ndarray, frac: float = 1 / 6) -> np.ndarray:
+    """在 log 频率轴上按 1/frac 倍频程做移动平均(曲线要平滑, 不然是把噪声也均衡了)。"""
+    out = np.empty_like(curve)
+    for i, fc in enumerate(freq):
+        if fc <= 0:
+            out[i] = curve[i]
+            continue
+        m = (freq >= fc * 2 ** (-frac / 2)) & (freq <= fc * 2 ** (frac / 2))
+        out[i] = float(np.mean(curve[m])) if bool(np.any(m)) else curve[i]
+    return out
+
+
+def main() -> None:
+    freq = np.fft.rfftfreq(N, 1.0 / RATE)
+    files = sorted(glob.glob(os.path.join(PROJ, "hrir", "*.wav")))
+
+    power = np.zeros(N // 2 + 1)
+    for path in files:
+        a = read_mono(path)
+        spec = np.fft.rfft(a, N)
+        power += np.abs(spec) ** 2
+    power /= len(files)
+
+    # 漫反射场均衡曲线: 1/sqrt(功率平均), 归一到 1 kHz
+    eq = 1.0 / np.sqrt(power + 1e-30)
+    eq = smooth_log(freq, eq, 1 / 6)
+    ref_mask = (freq >= 900) & (freq <= 1120)
+    eq /= float(np.mean(eq[ref_mask])) if bool(np.any(ref_mask)) else 1.0
+    eq_db = 20 * np.log10(eq + 1e-30)
+
+    print(f"HRIR 文件 {len(files)} 条, 功率平均后取 1/sqrt(P) 得均衡曲线")
+    print("① HRIR 所需均衡(相对 1 kHz, dB) —— 负值 = 要压掉")
+    line: list[str] = []
+    for fc in BANDS:
+        if fc > 12000:
+            break
+        m = (freq >= fc * 2 ** (-1 / 12)) & (freq <= fc * 2 ** (1 / 12))
+        v = float(np.mean(eq_db[m])) if bool(np.any(m)) else 0.0
+        line.append(f"{fc:>7.0f}Hz:{v:+5.1f}")
+    for i in range(0, len(line), 5):
+        print("   " + "  ".join(line[i:i + 5]))
+
+    print()
+    for lo, hi, tag in ((20, 200, "低频 20-200"), (200, 1000, "中低 200-1k"),
+                        (1000, 3000, "中高 1k-3k"), (3000, 12000, "高频 3k-12k")):
+        m = (freq >= lo) & (freq <= hi)
+        print(f"   均值 {tag:>14}: {float(np.mean(eq_db[m])):+6.2f} dB")
+
+    # ---- ② 房间 IR 的频响校平需求 ----
+    ir = read_mono(os.path.join(PROJ, "reverb", "房间混响IR-96k.wav"))
+    n_ir = 1 << 18                                   # 2.73s IR -> 用大 FFT
+    spec_ir = np.abs(np.fft.rfft(ir, n_ir)) ** 2
+    f_ir = np.fft.rfftfreq(n_ir, 1.0 / RATE)
+    # 用 1/6 倍频程平滑
+    sm = np.zeros_like(spec_ir)
+    for i in range(len(f_ir)):
+        fc = f_ir[i]
+        if fc <= 0:
+            continue
+        m = (f_ir >= fc * 2 ** (-1 / 12)) & (f_ir <= fc * 2 ** (1 / 12))
+        sm[i] = float(np.mean(spec_ir[m])) if bool(np.any(m)) else spec_ir[i]
+    ir_db = 10 * np.log10(sm + 1e-30)
+    ref_m = (f_ir >= 700) & (f_ir <= 1500)
+    ir_db -= float(np.mean(ir_db[ref_m]))
+
+    print()
+    print("② 房间 IR 自己的频响(相对 0.7-1.5 kHz 均值, dB) —— 正值 = 该频段过强")
+    line = []
+    for fc in BANDS:
+        if fc > 12000:
+            break
+        m = (f_ir >= fc * 2 ** (-1 / 12)) & (f_ir <= fc * 2 ** (1 / 12))
+        v = float(np.mean(ir_db[m])) if bool(np.any(m)) else 0.0
+        line.append(f"{fc:>7.0f}Hz:{v:+6.1f}")
+    for i in range(0, len(line), 5):
+        print("   " + "  ".join(line[i:i + 5]))
+    for lo, hi, tag in ((20, 200, "低频 20-200"), (200, 1000, "中低 200-1k"),
+                        (1000, 3000, "中高 1k-3k"), (3000, 12000, "高频 3k-12k")):
+        m = (f_ir >= lo) & (f_ir <= hi)
+        print(f"   均值 {tag:>14}: {float(np.mean(ir_db[m])):+6.2f} dB")
+
+    # ---- ③ 同相合并响应: 实际内容大多是相关的(人声/低频居中), 两耳信号是**相加** ----
+    #   功率平均(①)假设各方向互不相关, 会低估低频; 同相合并才是复核实测的那个口径。
+    def merge_power(a_name: str, b_name: str) -> np.ndarray:
+        xa = np.fft.rfft(read_mono(os.path.join(PROJ, "hrir", a_name)), N)
+        xb = np.fft.rfft(read_mono(os.path.join(PROJ, "hrir", b_name)), N)
+        return np.abs(xa + xb) ** 2
+
+    p_merge = (merge_power("FL_L.wav", "FR_L.wav") + merge_power("FL_R.wav", "FR_R.wav")) / 2.0
+    eq_m = 1.0 / np.sqrt(p_merge + 1e-30)
+    eq_m = smooth_log(freq, eq_m, 1 / 6)
+    eq_m /= float(np.mean(eq_m[ref_mask])) if bool(np.any(ref_mask)) else 1.0
+    eq_m_db = 20 * np.log10(eq_m + 1e-30)
+
+    print()
+    print("③ 同相合并响应所需的均衡(左耳 = FL_L+FR_L, 右耳 = FL_R+FR_R 取平均)")
+    line = []
+    for fc in BANDS:
+        if fc > 12000:
+            break
+        m = (freq >= fc * 2 ** (-1 / 12)) & (freq <= fc * 2 ** (1 / 12))
+        v = float(np.mean(eq_m_db[m])) if bool(np.any(m)) else 0.0
+        line.append(f"{fc:>7.0f}Hz:{v:+5.1f}")
+    for i in range(0, len(line), 5):
+        print("   " + "  ".join(line[i:i + 5]))
+    for lo, hi, tag in ((20, 200, "低频 20-200"), (200, 1000, "中低 200-1k"),
+                        (1000, 3000, "中高 1k-3k"), (3000, 12000, "高频 3k-12k")):
+        m = (freq >= lo) & (freq <= hi)
+        print(f"   均值 {tag:>14}: {float(np.mean(eq_m_db[m])):+6.2f} dB")
+
+
+if __name__ == "__main__":
+    main()

工具/均衡IR.py

@@ -0,0 +1,137 @@
+"""给 IR 做频响校正 —— HRIR 漫反射场均衡 / 房间 IR 低频校平。
+
+用法:
+    python 工具/均衡IR.py 分析     只看曲线, 不写文件
+    python 工具/均衡IR.py hrir     给 12 条 HRIR 做均衡(备份 .orig.wav)
+    python 工具/均衡IR.py reverb   给房间 IR 做低频校平(备份 .orig.wav)
+    python 工具/均衡IR.py 全部
+
+为什么用 biquad 而不是频域均衡:
+  低频搁架需要很长的 FIR 才能表达(42ms 的 FIR 只有 23Hz 分辨率), 而 IIR 搁架几个
+  参数就够、且**因果**、不会把 IR 推出非因果的"前兆"。曲线本身是平滑的搁架型,
+  biquad 的表征能力完全够。
+
+★ 为什么 HRIR 要用"同相合并响应"而不是标准 DF-EQ:
+  标准 DF-EQ 用各方向**功率平均**做参考(假设各方向不相关), 实测只要求压 1.5 dB;
+  但真实内容(人声/低频居中, L≈R)两耳信号是**相加**的 —— 同相合并响应实测低频
+  高 7.5 dB, 这才是用户听到的那个量。所以这里按同相合并来设计。
+"""
+from __future__ import annotations
+
+import math
+import os
+import shutil
+import sys
+import warnings
+
+import numpy as np
+from scipy.io import wavfile
+from scipy.signal import sosfilt, sosfreqz
+
+warnings.filterwarnings("ignore")
+
+RATE = 96000
+PROJ = "/home/lou/桌面/工作区/实验/collaplex音效"
+HRIR_DIR = os.path.join(PROJ, "hrir")
+REVERB = os.path.join(PROJ, "reverb", "房间混响IR-96k.wav")
+
+# 校正参数(由 工具/分析均衡曲线.py 的曲线量出来)
+HRIR_SHELF = (500.0, -7.2, 0.707)        # freq, gain_dB, Q  —— 整族 HRIR 共用同一条,
+#                                          方向线索(ILD/ITD)因此不受影响
+REVERB_SHELF = (300.0, -21.0, 0.70)      # 房间 IR 低频比中频高 24.5 dB, 压到约 +5 dB,
+#                                          留一点厚度(真实房间的低频混响本就偏强)
+
+
+def lowshelf(freq: float, gain_db: float, q: float, fs: int) -> list[float]:
+    """RBJ cookbook 的低频搁架。"""
+    a = 10.0 ** (gain_db / 40.0)
+    w0 = 2.0 * math.pi * freq / fs
+    alpha = math.sin(w0) / (2.0 * q)
+    cos_w0 = math.cos(w0)
+    sqrt_a = math.sqrt(a)
+    b0 = a * ((a + 1) - (a - 1) * cos_w0 + 2 * sqrt_a * alpha)
+    b1 = 2 * a * ((a - 1) - (a + 1) * cos_w0)
+    b2 = a * ((a + 1) - (a - 1) * cos_w0 - 2 * sqrt_a * alpha)
+    a0 = (a + 1) + (a - 1) * cos_w0 + 2 * sqrt_a * alpha
+    a1 = -2 * ((a - 1) + (a + 1) * cos_w0)
+    a2 = (a + 1) + (a - 1) * cos_w0 - 2 * sqrt_a * alpha
+    return [b0 / a0, b1 / a0, b2 / a0, 1.0, a1 / a0, a2 / a0]
+
+
+def band_report(freq: np.ndarray, db: np.ndarray, label: str) -> None:
+    out: list[str] = []
+    for lo, hi, tag in ((20, 200, "20-200"), (200, 1000, "200-1k"),
+                        (1000, 3000, "1k-3k"), (3000, 12000, "3k-12k")):
+        m = (freq >= lo) & (freq <= hi)
+        out.append(f"{tag}:{float(np.mean(db[m])):+5.1f}")
+    print(f"   {label:<12} " + "  ".join(out))
+
+
+def process(path: str, shelf: tuple[float, float, float], label: str,
+            n_fft: int, write: bool) -> None:
+    sr, data = wavfile.read(path)
+    a = np.asarray(data, dtype=np.float64)
+    stereo = a.ndim > 1
+    if not stereo:
+        a = a[:, None]
+
+    n0, n_ch = a.shape
+    spec_before = np.abs(np.fft.rfft(a[:, 0], n_fft)) ** 2
+    freq = np.fft.rfftfreq(n_fft, 1.0 / sr)
+
+    sos = np.array([lowshelf(shelf[0], shelf[1], shelf[2], sr)], dtype=np.float64)
+    y = np.empty_like(a)
+    for ch in range(n_ch):
+        y[:, ch] = sosfilt(sos, a[:, ch])
+
+    spec_after = np.abs(np.fft.rfft(y[:, 0], n_fft)) ** 2
+    w_curve, h = sosfreqz(sos, worN=n_fft, fs=sr)
+    curve_db = 20 * np.log10(np.abs(h) + 1e-12)
+    curve_freq = np.asarray(w_curve, dtype=np.float64)
+
+    print(f"[{label}] {os.path.basename(path)}  {n0} 样 x {n_ch} 声道")
+    print(f"   搁架: freq={shelf[0]:.0f}Hz gain={shelf[1]:+.1f}dB Q={shelf[2]}")
+    band_report(curve_freq, curve_db, "施加的曲线")
+    b_db = 10 * np.log10(spec_before + 1e-30)
+    a_db = 10 * np.log10(spec_after + 1e-30)
+    ref = (freq >= 900) & (freq <= 1100)
+    s = float(np.mean(a_db[ref] - b_db[ref]))
+    band_report(freq, b_db - float(np.mean(b_db[ref])), "改前")
+    band_report(freq, a_db - float(np.mean(a_db[ref])) - s, "改后")
+
+    peak_b = float(np.max(np.abs(a)))
+    peak_a = float(np.max(np.abs(y)))
+    print(f"   峰值 {peak_b:.5f} -> {peak_a:.5f} ({20 * math.log10(peak_a / peak_b + 1e-12):+.2f} dB)")
+
+    if write:
+        # ★ 用独立的备份名。reverb 的 `.orig.wav` 是"剪直达声之前"的版本(那一步建的),
+        #   这里存的是"频响校正之前"的版本, 两者不能混用同一个名字 —— 否则重跑一步
+        #   会把另一步的基线覆盖掉。重跑顺序: 先 重做混响IR.py, 再 均衡IR.py。
+        bak = path + ".pre-eq.wav"
+        if not os.path.exists(bak):
+            shutil.copy2(path, bak)
+            print(f"   已备份 -> {os.path.basename(bak)}")
+        wavfile.write(path, sr, y.astype(np.float32))
+        print("   已写回")
+
+
+def main() -> None:
+    mode = sys.argv[1] if len(sys.argv) > 1 else "分析"
+    write = mode != "分析"
+
+    if mode in ("分析", "hrir", "全部"):
+        print("=== HRIR 漫反射场均衡(同相合并响应口径) ===")
+        for name in sorted(os.listdir(HRIR_DIR)):
+            if name.endswith(".wav") and not name.endswith(".orig.wav"):
+                process(os.path.join(HRIR_DIR, name), HRIR_SHELF, "HRIR",
+                        1 << 15, write and mode in ("hrir", "全部"))
+        print()
+
+    if mode in ("分析", "reverb", "全部"):
+        print("=== 房间 IR 低频校平 ===")
+        process(REVERB, REVERB_SHELF, "房间IR", 1 << 18,
+                write and mode in ("reverb", "全部"))
+
+
+if __name__ == "__main__":
+    main()