Eugene Y

Это все костыли. Задача естественно встает у многих, у меня в том числе. Увы, адекватных и дружественных решений очень мало. На андроиде, например, вообще не встречал.
Как обычно, весь тракт должен быть хороший. Источник, ЦАП, акустика.
Но если уж что-то провисает и очень хотите костыли, то в большинстве аудиоредакторов есть функция normalize, она доведет до 0.
Однако стоит помнить, что есть неочевидные особенности:
- ноль цифры источника не гарантирует отсутствия перегруза тракта в реальности (гуглить true peak)
- громкость, о которой вы говорите, это психоакустический параметр. Чтобы его выровнять, нужна специальная эквализация и компрессия (гуглить LUFS). Иными словами, нужен другой мастеринг, а это индивидуально для каждой песни, и тут можно свихнуться, накручивая это все самостоятельно.

Вообще, если вы слушаете музыку в таких условиях, что из-за перепада громкости в треках возникает непреодолимое желание выравнивать, то это повод задуматься. Возможно, вы портите себе слух. Возможно, лучше не пытаться забить шум транспорта музыкой.

Однако если у вас есть лишние 500 евро или около того, то есть очень крутой вариант - затычки Bose с активным шумоподавлением. В них даже на самолете можно джаз слушать, да простят меня аудиофилы.

У меня есть такие уши, покупал в офф. магазине. У них очень детальный верх, по мнению некоторых приближающийся к электростатическим моделям. На мой взгляд, даже слишком сильно выражен.
Но и бас мощный. Однако, очень непривычный, если сравнивать с ушами, у которых амбушюры поменьше. Как будто бы саб громкий, а на 100-200Гц тише, чем ожидаешь. Я к ним привыкал долго, и так до конца не привык, использую только когда обрабатываю высокие частоты.
Мониторные наушники на то и мониторные - они должны быть "честные", желательно, чтобы АЧХ была как можно ровнее и ничего не превалировало. Тем не менее, топовые модели мониторов от разных производителей будут звучать очень заметно по-разному.
Попробуйте найти в инете запись синуса, медленно ползущего где-то от 50 до 20000Гц. Субъективно при разной частоте громкость будет меняться, но не на столько, чтобы прям вообще провал.
Ну и конечно на всякий случай убедитесь, что в цепи нигде никаких компрессоров/эквалайзеров/улучшайзеров не работало. Бывает кто-то какую-нибудь ручку неаккуратно повернет, а человек паникует, что оглох на низкие частоты или шнуры порвал.

В общем случае вам будут нужны плагины equalizer, gate и compressor.
Особо морочиться смысла нет, т.к. усиление оцифрованного сигнала всегда влечёт за собой усиление шума. А если голос очень тихий, то результат будет очень шумный. Так что схема такая:
1. Поднять общую громкость записи
2. Опустить в эквалайзере те частоты, которые не передают звук голоса. Это примерно до 80 Гц и от 10 000. Конкретные значения зависят от харктера голоса и от шума. Аккуратнее с частотами выше 1000 гц, т.к. в них содержится информация, из которой мы вычленяем согласные.
2а (Опционально). можно поднять первые несколько гармоник основной частоты голоса. То есть, если человек бубнит и бОльшая часть мощности сигнала его голоса находится в районе, скажем, 250 Гц, то можно поиграться с пиками 250*n Гц, где n - целое число. Иногда облегчает понимание речи. Современные эквалайзеры часто имеют визуализацию частот, так что нахождение пиков это элементарно смотрение в экран.
3. При помощи гейта убрать шум между звуками речи, если этот шум заметно тише самой речи. Гейт пропускает сигналы, громкость которых выше определенного порога. Продвинутые варианты гейтов имеют гибкие настройки, позволяющие "забегать вперёд" и пропускать тихий сигнал, который заведомо скоро станет громким. Так можно не потерять тихие начала слов, например. Также продвинутые гейты могут смотреть только на на выбранный диапазон частот, а это _очень_ облегчает шумоподавление.
4. Компрессор (опционально) - динамическая обработка. Если после вышеописанных обработок сигнал слишком скачет по громкости, можно причесать его компрессором, выставив компрессию ~4 к 1. Можно поиграться и с другими параметрами компрессии, например, со скоростью реакции. Тоже может улучшить артикуляцию.

Всё, что нужно, есть из коробки в Reaper. Первые 30 дней бесплатно.

Пункты 2 и 3 совместно в принципе можно заменить на динамическую эквализацию. В Reaper это плагин ReaFIR в режиме Substract. Сначала даёте ему послушать несколько секунд шума из вашей записи, он построит профиль шума и вычтет его из исходного сигнала. Работает хорошо, если на частотах, которые занимает голос, мало шума.

Но есть вариант попроще, который может прокатить:
Есть такой чудесный продукт - Isotope RX - набор плагнов для восстановления сигналов. Куча хитроумной математики, которая творит чудеса. Интерфейс элементарный, теории знать не надо.
1. Качаете пробную версию RX
2. Качаете Reaper.
3. В Reaper кидаете свою запись и обрабатываете плагинами RX.
4 ...
5. Профит!

Функция называется "Нормализация" (Normalize). Eсть в большинстве аудиоредакторов и даже в конвертерах. Она берет максимальное значение амплитуды в файле и, ориентируясь на это значение, дотягивает все остальное пропорционально до 0db.
Можно и вручную указать значение, на которое поднять громкость, но тогда скорее всего укажете немаксимальное или наоборот, слишком большое, и получится обрезание пиков.
Если даже нормализованный звук слишком тихий, примените какой-нибудь лимитер (limiter/ soft limiter/ brickwall limiter) или компрессор (compression). Лимитер это обычно либо самостоятельная функция, либо реализована в качестве одной из настроек компрессора. Лимитеры и компрессоры входят в подгруппу динамической обработки сигнала. Зная это, иногда легче найти их в интерфейсе аудиоредактора.

Нет, такого нет. Разбиение на такты требует анализа аудио, причем на лету это затратно.
Есть инвалидный вариант: по идее, у аудиофайла может существовать тег BPM. Тогда, если он правильно заполнен, можно дописать функционал, который, учитывая характеристикит потока и значение в теге, будет проигрывать кусочек аудио, по длине равный одному такту. Но этот вариант все равно не учитывает смещение по времени. Если ритм начинается с момента времени, нечетного длине такта, все сползет.

Если вам нужна такая возможность для, скажем, разучивания какой-то песни, то самый простой вариант - это загуглить ее точный темп, создать проект с таким темпом в какой-нибудь аудиостудии и кинуть в проект аудиофайл, аккуратно выставив начало ритма относительно решетки. Потом можно будет отметить регионы, зацикливать их и т.д.
Если темп не гуглится, то во многих аудиостудиях есть анализаторы темпа. Надо будет аккуратно отметить расстояние между тактами, и софт даст значение BPM.

Не углубляясь в технические детали, OGG фактически кодирует лучше чем MP3 при равном размере файла ввиду алгоритмических особенностей.
Объективно говоря, не зависимо от формата, при прослушивании на ноуте или телефоне разница в диапазоне кодирования 192-320 еле заметна для простого слушателя.
Для ознакомительных целей или когда качество звука не критично, я по привычке кодирую в V0. Но самые ценные вещи всегда во флаке :)
Точное адресование в MP3, насколько я понимаю, связано с фреймами, на которые разбивается сигнал. Но они достаточно маленькие, в пару миллисекунд, так что тут никакого практического значения тоже нет.
По поводу аппаратного кодирования AAC не могу ничего сказать.