音频处理深入：混音、降噪、音量调节与格式转换
视频处理讲完了，这篇专门讲音频。音量忽大忽小怎么办？背景噪音怎么消？两个音频怎么混一起？麦克风录音怎么优化？FFmpeg 的音频滤镜虽然不如视频多，但日常处理完全够用。
大家好，我是黒漂技术佬。
很多人做视频只关心画面，忽略了音频——但观众对音频的容忍度比视频低多了。画面糊一点能看，声音渣、有杂音、忽大忽小，直接就划走了。
这篇把 FFmpeg 常用的音频处理讲清楚：音量、降噪、混音、格式转换、常用滤镜，配合实际场景讲。
一、音频基础概念扫盲
先搞懂几个基本概念，后面参数才看得懂。
采样率（Sample Rate）
每秒对声音采样多少次，单位 Hz。常见：
- 44100 Hz（44.1kHz）：CD 音质，最常用
- 48000 Hz（48kHz）：视频常用标准
- 22050 Hz / 16000 Hz：语音、电话音质
位深（Bit Depth）
每个采样点用多少位存储，决定动态范围：
- 16 bit：CD 音质，够用
- 24 bit：专业录音，后期处理空间大
声道数（Channels）
- 1：单声道（Mono）
- 2：立体声（Stereo）
- 5.1、7.1：环绕声
码率（Bitrate）
每秒音频的数据量，单位 kbps。和音质正相关：
- 64 kbps 单声道：语音够用
- 128 kbps 立体声：MP3 常见，接近 CD 听感
- 192-320 kbps：高音质
- 无损（FLAC/PCM）：1000+ kbps
二、音频格式转换
常见格式对比
| 格式 | 编码 | 特点 | 适用场景 |
|---|---|---|---|
| MP3 | MPEG-1 Layer3 | 兼容性最好，有损 | 通用、音乐 |
| AAC | Advanced Audio Coding | 同码率比 MP3 好 | 视频、手机、流媒体 |
| Opus | Opus | 低码率音质最好 | 语音、直播、WebRTC |
| FLAC | Free Lossless | 无损压缩 | 音乐存档 |
| WAV | PCM 原始数据 | 无损、体积大 | 录音、后期制作 |
常用转换命令
MP3 → AAC
ffmpeg -i input.mp3 -acodec aac -b:a 128k output.m4a
WAV → MP3
ffmpeg -i input.wav -acodec libmp3lame -q:a 2 output.mp3
-q:a 2 是 LAME 的 VBR 模式，约 190kbps，音质很好。
任意格式 → WAV（无损提取）
ffmpeg -i input.mp3 -acodec pcm_s16le output.wav
提取视频里的音频
ffmpeg -i input.mp4 -vn -acodec copy output.aac
-vn 去掉视频流，-acodec copy 直接复制音频，不重新编码，速度快。
三、音量调节
基础调节
# 音量加倍
ffmpeg -i input.mp3 -af "volume=2" output.mp3
# 音量减半
ffmpeg -i input.mp3 -af "volume=0.5" output.mp3
# 降低 3dB
ffmpeg -i input.mp3 -af "volume=-3dB" output.mp3
可以用倍数，也可以用 dB（分贝）。
音量标准化：自动调到合适大小
录音声音忽大忽小，或者整体太小怎么办？用 loudnorm 滤镜做响度标准化：
ffmpeg -i input.mp3 -af "loudnorm=I=-16:TP=-1.5:LRA=11" output.mp3
参数说明：
I=-16：综合响度 -16 LUFS（视频平台常用标准）TP=-1.5：峰值不超过 -1.5 dBLRA=11：响度范围
做视频上传 B 站、YouTube 的话，响度标准化很有用——不会声音太小被淹没，也不会太大被平台二次压缩。
检测音量
先看看当前音频的音量情况，再决定调多少：
ffmpeg -i input.mp3 -af "volumedetect" -f null /dev/null
输出里会有 max_volume、mean_volume，告诉你最大音量和平均音量。
四、降噪
录音有背景噪音（空调声、电脑风扇声），用 FFmpeg 可以消掉一部分。
方法 1：afftdn（频域降噪）
ffmpeg -i input.mp3 -af "afftdn=nf=-20" output.mp3
nf=-20：降噪强度，单位 dB。数值越小降噪越强。- 常用范围：-15 到 -30
- 优点：简单，一步到位
- 缺点：降噪强了容易有「水音」「金属音」
方法 2：arnndn（AI 降噪，推荐）
FFmpeg 7.0+ 支持的 AI 降噪滤镜，效果比传统方法好很多。
ffmpeg -i input.mp3 -af "arnndn=m=model.rnnn" output.mp3
需要下载训练好的模型文件（.rnnn 格式），网上有很多开源的语音降噪模型。
我做售货柜语音交互的时候对比过，arnndn 对环境噪音的抑制效果明显更好，人声也更自然。缺点是需要额外模型文件，老版本 FFmpeg 不支持。
降噪的正确姿势
- 先录一段纯噪音（没人说话的几秒）
- 用噪音样本做降噪参考（部分降噪工具支持）
- 降噪强度别开太大，否则人声会失真
- 降噪是「减法」，噪音太大救不回来，前期录好最重要
五、混音与拼接
两个音频混合（叠加）
ffmpeg -i voice.mp3 -i bgm.mp3 -filter_complex "[0:a][1:a]amix=inputs=2:duration=shortest" output.mp3
amix=inputs=2：两个输入混合duration=shortest：以短的那个为准，播完就结束
背景音乐音量调小
ffmpeg -i voice.mp3 -i bgm.mp3 -filter_complex "[1:a]volume=0.3[bgm];[0:a][bgm]amix=inputs=2" output.mp3
先把背景音乐降到 30%，再和人声混合。
多个音频首尾拼接
和视频拼接一样，用 concat：
# filelist.txt
file '001.mp3'
file '002.mp3'
file '003.mp3'
ffmpeg -f concat -i filelist.txt -c copy output.mp3
格式、采样率、声道数必须一致才能 copy，否则要重新编码。
六、声道处理
立体声转单声道
ffmpeg -i stereo.mp3 -ac 1 mono.mp3
提取左声道 / 右声道
# 左声道
ffmpeg -i stereo.mp3 -af "pan=mono|c0=c0" left.mp3
# 右声道
ffmpeg -i stereo.mp3 -af "pan=mono|c0=c1" right.mp3
单声道转立体声（复制声道）
ffmpeg -i mono.mp3 -ac 2 stereo.mp3
只是左右声道一模一样，不是真的立体声效果。
双声道各自处理
比如左声道人声、右声道伴奏，分别处理再混合。
七、常用音频效果
淡入淡出
# 前 3 秒淡入，最后 3 秒淡出
ffmpeg -i input.mp3 -af "afade=t=in:d=3,afade=t=out:st=27:d=3" output.mp3
t=in淡入，t=out淡出d=3持续 3 秒st=27从第 27 秒开始淡出
均衡器（EQ）
# 提升低音（100Hz 增益 5dB）
ffmpeg -i input.mp3 -af "equalizer=f=100:t=q:w=1:g=5" output.mp3
# 提升高音（5kHz 增益 3dB）
ffmpeg -i input.mp3 -af "equalizer=f=5000:t=q:w=1:g=3" output.mp3
简单调节音色，让声音更闷或更亮。
压缩器（Compressor）
声音忽大忽小时，压缩器把大的压小、小的放大，整体音量更平稳。
ffmpeg -i input.mp3 -af "acompressor=threshold=-20dB:ratio=4:attack=5:release=50" output.mp3
threshold=-20dB：超过 -20dB 的部分开始压缩ratio=4：4:1 压缩比attack=5：启动时间 5msrelease=50：释放时间 50ms
做语音节目、播客的时候加个压缩器，听感会好很多——不会突然一声吓一跳，也不会小声听不清。
混响（Reverb）
ffmpeg -i input.mp3 -af "aecho=0.8:0.9:1000:0.3" output.mp3
加一点点空间感，干巴巴的人声会自然一些。别加太多，不然像澡堂子里说话。
八、重采样：改采样率和位深
# 48kHz 转 44.1kHz
ffmpeg -i input.wav -ar 44100 output.wav
# 16bit 转 24bit
ffmpeg -i input.wav -sample_fmt s32 output.wav
-ar 改采样率，-sample_fmt 改位深格式。
视频和音频合并的时候，如果采样率不一致，最好先统一，否则播放可能有问题。
九、实战：麦克风录音优化流程
我做售货柜语音模块的时候，总结的一套处理流程：
原始录音 → 降噪 → 压缩 → 响度标准化 → 输出
一条命令搞定：
ffmpeg -i record.wav \
-af "afftdn=nf=-20,acompressor=threshold=-18dB:ratio=3,loudnorm=I=-16:TP=-1.5:LRA=11" \
-acodec aac -b:a 64k output.m4a
三步处理完，录音的听感提升一个档次。
十、音频处理的几个原则
1. 能不转码就不转码
有损格式每转一次损失一次。只是改封装、拼接，用 -c copy。
2. 处理用无损，输出再压
如果要做多步处理（降噪+压缩+EQ），中间用 WAV 或 FLAC 无损格式，最后一步再转成 MP3/AAC。
3. 前期比后期重要
麦克风选好点、环境安静点，比后期用软件降噪效果好十倍。FFmpeg 是辅助，不是万能的。
十一、本篇小结
- 音频三要素：采样率、位深、声道数
- 格式转换：AAC 通用、MP3 兼容好、Opus 低码率强、FLAC 无损
- 音量：
volume手动调，loudnorm自动标准化 - 降噪：
afftdn简单直接，arnndnAI 降噪效果更好 - 混音：
amix叠加，concat首尾拼接 - 效果器：压缩器让音量平稳，EQ 调音色，混响加空间感
- 处理流程尽量少转码，中间用无损格式过渡
下一篇讲抽帧与截图进阶：精确抽帧、关键帧抽帧、批量生成缩略图、做 YOLO 数据集的最佳实践——做计算机视觉的同学一定会用到。
我是黒漂技术佬。
