それは音源側が統一しない限り無理なんだわ
そしてこの世に存在する音は多様であり発音の仕組みはまだしも音声データを画一的に統一する方法がない
ギター一つ取ったってピック当てた瞬間をアタックと認識するか振り切った所をアタックとするかは人それぞれの解釈だから統一できないんだわ
何を持っておっぱいが大きいとみなすかを全員一致で統一できるか？無理だろ？
お前さんがアタックだと主張するものが人によってはもうアタック過ぎてるよという場合もある

だから音源側で対処するしかないし、それが出来ないなら更に後段に控えているDAWがやるべき案件