音频处理

概述

FFmpeg 提供了强大的音频处理功能，包括采样率转换、声道布局调整、音量控制、混音、均衡器、降噪等操作。这些功能主要通过音频滤镜（Audio Filter）实现。

音频基础概念

采样率

采样率（Sample Rate）表示每秒采集的样本数，单位为 Hz。

采样率	质量	适用场景
8000 Hz	电话质量	语音通话
16000 Hz	宽带语音	语音识别
22050 Hz	FM 广播	低质量音乐
44100 Hz	CD 质量	标准音乐
48000 Hz	专业音频	视频制作
96000 Hz	高保真	专业录音
192000 Hz	超高保真	母带处理

# 转换采样率
ffmpeg -i input.wav -ar 44100 output_44100.wav
ffmpeg -i input.wav -ar 48000 output_48000.wav

# 查看采样率
ffprobe -v quiet -select_streams a:0 -show_entries stream=sample_rate -of csv=p=0 input.wav

位深度

位深度（Bit Depth）表示每个样本的精度。

位深度	范围	说明
8-bit	0-255	低质量
16-bit	-32768 到 32767	CD 质量
24-bit	-8388608 到 8388607	专业音频
32-bit float	-1.0 到 1.0	专业处理

# 转换位深度
ffmpeg -i input.wav -sample_fmt s16 output_16bit.wav
ffmpeg -i input.wav -sample_fmt s32 output_32bit.wav
ffmpeg -i input.wav -sample_fmt flt output_float.wav

声道布局

布局	声道数	说明
mono	1	单声道
stereo	2	立体声
2.1	3	立体声 + 低音
5.1	6	环绕声
7.1	8	全景声

# 转换声道布局
ffmpeg -i input.wav -ac 1 output_mono.wav
ffmpeg -i input.wav -ac 2 output_stereo.wav
ffmpeg -i input.wav -channel_layout 5.1 output_5.1.wav

音频采样格式转换

常用采样格式

格式	说明	字节/样本
u8	无符号 8-bit 整数	1
s16	有符号 16-bit 整数	2
s32	有符号 32-bit 整数	4
flt	32-bit 浮点	4
dbl	64-bit 浮点	8
u8p	无符号 8-bit 平面	1
s16p	有符号 16-bit 平面	2
s32p	有符号 32-bit 平面	4
fltp	32-bit 浮点平面	4
dblp	64-bit 浮点平面	8

# 查看支持的采样格式
ffmpeg -sample_fmts

# 转换采样格式
ffmpeg -i input.wav -sample_fmt s16 output_s16.wav
ffmpeg -i input.wav -sample_fmt fltp output_fltp.wav

# 查看当前采样格式
ffprobe -v quiet -select_streams a:0 -show_entries stream=sample_fmt -of csv=p=0 input.wav

音量控制

基本音量调整

# 音量加倍
ffmpeg -i input.mp4 -af "volume=2.0" output.mp4

# 音量减半
ffmpeg -i input.mp4 -af "volume=0.5" output.mp4

# 使用分贝
ffmpeg -i input.mp4 -af "volume=10dB" output.mp4
ffmpeg -i input.mp4 -af "volume=-10dB" output.mp4

# 静音
ffmpeg -i input.mp4 -af "volume=0" output.mp4

音量表达式

# 根据时间调整音量
ffmpeg -i input.mp4 -af "volume='if(lt(t,10),1,0.5)'" output.mp4

# 淡入效果
ffmpeg -i input.mp4 -af "volume='if(lt(t,2),t/2,1)'" output.mp4

# 淡出效果
ffmpeg -i input.mp4 -af "volume='if(gt(t,58),(60-t)/2,1)'" output.mp4

音量归一化

# 响度归一化（EBU R128）
ffmpeg -i input.mp4 -af "loudnorm=I=-16:TP=-1.5:LRA=11" output.mp4

# 峰值归一化
ffmpeg -i input.mp4 -af "peaknorm=0.95" output.mp4

# RMS 归一化
ffmpeg -i input.mp4 -af "volumedetect" -f null -
# 然后根据检测结果调整
ffmpeg -i input.mp4 -af "volume=5dB" output.mp4

loudnorm 参数

参数	说明	推荐值
I	集成响度（LUFS）	-16（流媒体）/-23（广播）
TP	真峰值（dBTP）	-1.5
LRA	响度范围（LU）	11
dual_mono	双单声道处理	false
print_format	输出格式	summary/none

音量检测

# 检测音量统计
ffmpeg -i input.mp4 -af "volumedetect" -f null - 2>&1 | grep -E "mean_volume|max_volume"

# 检测响度
ffmpeg -i input.mp4 -af "ebur128=peak=true" -f null - 2>&1 | grep -E "I:|LRA:|TP:"

淡入淡出

基本淡入淡出

# 淡入（前 3 秒）
ffmpeg -i input.mp4 -af "afade=t=in:st=0:d=3" output.mp4

# 淡出（最后 3 秒）
ffmpeg -i input.mp4 -af "afade=t=out:st=57:d=3" output.mp4

# 淡入淡出组合
ffmpeg -i input.mp4 -af "afade=t=in:st=0:d=3,afade=t=out:st=57:d=3" output.mp4

淡入淡出曲线

曲线	说明
tri	三角形（线性）
qsin	正弦曲线
esin	指数正弦曲线
hsin	双曲正弦曲线
log	对数曲线
ipar	倒抛物线
qua	二次曲线
cub	三次曲线
squ	平方曲线
cbr	立方根曲线
par	抛物线曲线
exp	指数曲线
iqsin	反正弦曲线
ihsi	反双曲正弦曲线
des	指数衰减曲线
dese	双指数衰减曲线
cos	余弦曲线
sin	正弦曲线

# 使用不同曲线
ffmpeg -i input.mp4 -af "afade=t=in:st=0:d=3:curve=exp" output.mp4
ffmpeg -i input.mp4 -af "afade=t=in:st=0:d=3:curve=cos" output.mp4

交叉淡化

# 两个音频交叉淡化
ffmpeg -i audio1.mp3 -i audio2.mp3 -filter_complex "[0]afade=t=out:st=4:d=2[a1];[1]afade=t=in:st=0:d=2[a2];[a1][a2]amix=inputs=2:duration=longest" output.mp3

音频裁剪

基本裁剪

# 按时间裁剪
ffmpeg -i input.mp3 -ss 00:01:00 -t 30 output.mp3

# 按时间范围裁剪
ffmpeg -i input.mp3 -ss 00:01:00 -to 00:02:00 output.mp3

# 裁剪前 30 秒
ffmpeg -i input.mp3 -t 30 output.mp3

# 裁剪后 30 秒
ffmpeg -i input.mp3 -sseof -30 output.mp3

精确裁剪

# 精确裁剪（需要重新编码）
ffmpeg -i input.mp3 -ss 00:01:00 -t 30 -c:a libmp3lame output.mp3

# 快速裁剪（不精确）
ffmpeg -i input.mp3 -ss 00:01:00 -t 30 -c copy output.mp3

音频拼接

基本拼接

# 使用 concat 滤镜
ffmpeg -i audio1.mp3 -i audio2.mp3 -filter_complex "[0:a][1:a]concat=n=2:v=0:a=1" output.mp3

# 多个文件拼接
ffmpeg -i audio1.mp3 -i audio2.mp3 -i audio3.mp3 \
    -filter_complex "[0:a][1:a][2:a]concat=n=3:v=0:a=1" output.mp3

使用文件列表拼接

# 创建文件列表
cat > filelist.txt << 'EOF'
file 'audio1.mp3'
file 'audio2.mp3'
file 'audio3.mp3'
EOF

# 拼接
ffmpeg -f concat -safe 0 -i filelist.txt -c copy output.mp3

带间隔的拼接

# 添加 2 秒间隔
ffmpeg -i audio1.mp3 -i audio2.mp3 \
    -filter_complex \
    "[0:a]apad=pad_dur=2[a0]; \
     [a0][1:a]concat=n=2:v=0:a=1" \
    output.mp3

混音

基本混音

# 混合两个音频
ffmpeg -i audio1.mp3 -i audio2.mp3 \
    -filter_complex "[0:a][1:a]amix=inputs=2:duration=longest" \
    output.mp3

# 混合三个音频
ffmpeg -i audio1.mp3 -i audio2.mp3 -i audio3.mp3 \
    -filter_complex "[0:a][1:a][2:a]amix=inputs=3:duration=longest" \
    output.mp3

amix 参数

参数	说明	默认值
inputs	输入数量	2
duration	输出时长策略	longest
dropout_transition	输入结束时的过渡时间	2
weights	各输入权重	1 1 …
normalize	是否归一化	true

混音权重

# 设置权重
ffmpeg -i audio1.mp3 -i audio2.mp3 \
    -filter_complex "[0:a][1:a]amix=inputs=2:weights=1 0.5:duration=longest" \
    output.mp3

# 降低背景音乐音量
ffmpeg -i music.mp3 -i voice.mp3 \
    -filter_complex "[0:a]volume=0.3[music];[music][1:a]amix=inputs=2:duration=longest" \
    output.mp3

混音持续时间

# 以最短输入为准
ffmpeg -i audio1.mp3 -i audio2.mp3 \
    -filter_complex "[0:a][1:a]amix=inputs=2:duration=shortest" \
    output.mp3

# 以最长输入为准
ffmpeg -i audio1.mp3 -i audio2.mp3 \
    -filter_complex "[0:a][1:a]amix=inputs=2:duration=longest" \
    output.mp3

# 以第一个输入为准
ffmpeg -i audio1.mp3 -i audio2.mp3 \
    -filter_complex "[0:a][1:a]amix=inputs=2:duration=first" \
    output.mp3

均衡器

基本均衡器

# 低音增强
ffmpeg -i input.mp3 -af "bass=g=10" output.mp3

# 高音增强
ffmpeg -i input.mp3 -af "treble=g=10" output.mp3

# 低音和高音调整
ffmpeg -i input.mp3 -af "bass=g=5,treble=g=3" output.mp3

equalizer 滤镜

# 调整特定频率
ffmpeg -i input.mp3 -af "equalizer=f=1000:t=q:w=2:g=5" output.mp3

# 参数说明
# f: 中心频率
# t: 滤波器类型 (h=高通, l=低通, b=带通, p=峰值, n=陷波)
# w: 带宽
# g: 增益 (dB)

多频段均衡器

# 10 段均衡器
ffmpeg -i input.mp3 -af \
    "equalizer=f=31:t=q:w=1:g=0,\
     equalizer=f=62:t=q:w=1:g=0,\
     equalizer=f=125:t=q:w=1:g=0,\
     equalizer=f=250:t=q:w=1:g=0,\
     equalizer=f=500:t=q:w=1:g=0,\
     equalizer=f=1000:t=q:w=1:g=0,\
     equalizer=f=2000:t=q:w=1:g=0,\
     equalizer=f=4000:t=q:w=1:g=0,\
     equalizer=f=8000:t=q:w=1:g=0,\
     equalizer=f=16000:t=q:w=1:g=0" \
    output.mp3

预设均衡器

# 摇滚风格
ffmpeg -i input.mp3 -af "bass=g=5,equalizer=f=250:t=q:w=1:g=2,equalizer=f=1000:t=q:w=1:g=4,equalizer=f=4000:t=q:w=1:g=5" output.mp3

# 流行风格
ffmpeg -i input.mp3 -af "bass=g=3,treble=g=3,equalizer=f=2000:t=q:w=1:g=2" output.mp3

# 古典风格
ffmpeg -i input.mp3 -af "equalizer=f=100:t=q:w=1:g=-2,treble=g=2" output.mp3

音频降噪

基本降噪

# 使用 afftdn 降噪
ffmpeg -i input.mp3 -af "afftdn=nf=-25" output.mp3

# 使用 anlmdn 降噪
ffmpeg -i input.mp3 -af "anlmdn=s=7" output.mp3

afftdn 参数

参数	说明	默认值
nf	噪声底限 (dB)	-50
nt	噪声类型	w (白噪声)
om	输出模式	o (输出)
ai	自适应初始状态	y
aa	自适应平均	y
sigma	噪声标准差	0.02
噪声类型	说明
———-	——
w	白噪声
v	布朗噪声
s	粉红噪声
p	脉冲噪声

# 白噪声降噪
ffmpeg -i input.mp3 -af "afftdn=nf=-25:nt=w" output.mp3

# 粉红噪声降噪
ffmpeg -i input.mp3 -af "afftdn=nf=-25:nt=s" output.mp3

噪声门

# 噪声门
ffmpeg -i input.mp3 -af "highpass=f=200,lowpass=f=3000" output.mp3

# 动态噪声门
ffmpeg -i input.mp3 -af "silenceremove=start_periods=1:start_duration=0.5:start_threshold=-50dB" output.mp3

完整降噪流程

#!/bin/bash
# denoise_audio.sh

INPUT=$1
OUTPUT=$2

# 降噪流程：降噪 -> 高通滤波 -> 归一化
ffmpeg -y -i "$INPUT" \
    -af "afftdn=nf=-25,highpass=f=80,loudnorm=I=-16:TP=-1.5:LRA=11" \
    "$OUTPUT"

echo "降噪完成: $OUTPUT"

音频滤波

高通滤波器

# 移除低频噪声
ffmpeg -i input.mp3 -af "highpass=f=80" output.mp3

# 强低频截止
ffmpeg -i input.mp3 -af "highpass=f=200" output.mp3

低通滤波器

# 移除高频噪声
ffmpeg -i input.mp3 -af "lowpass=f=8000" output.mp3

# 强高频截止
ffmpeg -i input.mp3 -af "lowpass=f=3000" output.mp3

带通滤波器

# 保留特定频段
ffmpeg -i input.mp3 -af "bandpass=f=1000:w=500" output.mp3

# 带阻滤波器（陷波）
ffmpeg -i input.mp3 -af "bandreject=f=1000:w=100" output.mp3

动态范围压缩

# 基本压缩
ffmpeg -i input.mp3 -af "acompressor=threshold=0.05:ratio=4:attack=5:release=50" output.mp3

# 参数说明
# threshold: 阈值
# ratio: 压缩比
# attack: 起始时间 (ms)
# release: 释放时间 (ms)
# makeup: 增益补偿 (dB)
# knee: 拐点宽度 (dB)

# 语音压缩
ffmpeg -i input.mp3 -af "acompressor=threshold=0.02:ratio=8:attack=1:release=100:makeup=8" output.mp3

速度调整

基本速度调整

# 加速 2 倍
ffmpeg -i input.mp3 -af "atempo=2.0" output.mp3

# 减速到 0.5 倍
ffmpeg -i input.mp3 -af "atempo=0.5" output.mp3

# 微调速度
ffmpeg -i input.mp3 -af "atempo=1.1" output.mp3

多级速度调整

# 极端加速（atempo 范围 0.5-2.0，需要多次使用）
ffmpeg -i input.mp3 -af "atempo=2.0,atempo=2.0" output.mp3  # 4 倍速
ffmpeg -i input.mp3 -af "atempo=0.5,atempo=0.5" output.mp3  # 0.25 倍速

速度调整保持音调

# 加速并保持音调
ffmpeg -i input.mp3 -af "atempo=1.5" output.mp3

# 使用 rubberband 滤镜（如果可用）
ffmpeg -i input.mp3 -af "rubberband=tempo=1.5" output.mp3

声道操作

声道提取

# 提取左声道
ffmpeg -i input.mp4 -af "pan=mono|c0=c0" output_left.wav

# 提取右声道
ffmpeg -i input.mp4 -af "pan=mono|c0=c1" output_right.wav

声道合并

# 合并两个单声道为立体声
ffmpeg -i left.wav -i right.wav \
    -filter_complex "[0:a][1:a]amerge=inputs=2" \
    output_stereo.wav

声道交换

# 交换左右声道
ffmpeg -i input.mp4 -af "pan=stereo|c0=c1|c1=c0" output.mp4

声道混音

# 立体声转单声道
ffmpeg -i input.mp4 -ac 1 output_mono.mp4

# 使用 pan 滤镜混音
ffmpeg -i input.mp4 -af "pan=mono|c0=0.5*c0+0.5*c1" output_mono.mp4

# 立体声转 5.1
ffmpeg -i input.mp4 -af "pan=5.1|c0=c0|c1=c1|c2=c2|c3=c3|c4=0.5*c0+0.5*c1|c5=LFE" output_5.1.mp4

变调

基本变调

# 升高音调
ffmpeg -i input.mp3 -af "asetrate=44100*1.2,aresample=44100" output.mp3

# 降低音调
ffmpeg -i input.mp3 -af "asetrate=44100*0.8,aresample=44100" output.mp3

使用 rubberband 变调

# 升高半音
ffmpeg -i input.mp3 -af "rubberband=pitch=1.059463" output.mp3

# 降低半音
ffmpeg -i input.mp3 -af "rubberband=pitch=0.943874" output.mp3

# 升高一个八度
ffmpeg -i input.mp3 -af "rubberband=pitch=2.0" output.mp3

音频特效

回声效果

# 基本回声
ffmpeg -i input.mp3 -af "aecho=0.8:0.88:60:0.4" output.mp3

# 参数说明
# in_gain: 输入增益
# out_gain: 输出增益
# delays: 延迟时间 (ms)
# decays: 衰减系数

# 多重回声
ffmpeg -i input.mp3 -af "aecho=0.8:0.9:1000|1500|2000:0.3|0.2|0.1" output.mp3

混响效果

# 基本混响
ffmpeg -i input.mp3 -af "aecho=0.8:0.7:40:0.5" output.mp3

# 使用高级混响
ffmpeg -i input.mp3 -af "arnndn=m=rnnoise/model.rnnn" output.mp3

合唱效果

# 合唱效果
ffmpeg -i input.mp3 -af "chorus=0.5:0.9:50|60|40:0.4|0.32|0.3:0.25|0.4|0.3:2|2.3|1.3" output.mp3

颤音效果

# 颤音效果
ffmpeg -i input.mp3 -af "vibrato=f=5:d=0.2" output.mp3

# 参数说明
# f: 频率 (Hz)
# d: 深度 (0-1)

批量处理

批量音频转换

#!/bin/bash
# batch_audio_convert.sh

INPUT_DIR=${1:-.}
OUTPUT_DIR=${2:-output}
FORMAT=${3:-mp3}

mkdir -p "$OUTPUT_DIR"

for file in "$INPUT_DIR"/*.wav; do
    filename=$(basename "$file" .wav)
    output="$OUTPUT_DIR/${filename}.${FORMAT}"
    
    echo "转换: $file -> $output"
    ffmpeg -y -i "$file" -c:a libmp3lame -q:a 2 "$output"
done

echo "批量转换完成"

批量音量归一化

#!/bin/bash
# batch_normalize.sh

INPUT_DIR=${1:-.}
OUTPUT_DIR=${2:-normalized}

mkdir -p "$OUTPUT_DIR"

for file in "$INPUT_DIR"/*.mp3; do
    filename=$(basename "$file")
    output="$OUTPUT_DIR/$filename"
    
    echo "归一化: $file"
    ffmpeg -y -i "$file" -af "loudnorm=I=-16:TP=-1.5:LRA=11" -c:a libmp3lame -q:a 2 "$output"
done

echo "批量归一化完成"

注意事项

采样率匹配：处理多个音频时确保采样率一致
位深度选择：处理时使用高精度，输出时根据需求选择
滤镜顺序：滤镜按顺序执行，顺序不同结果可能不同
音量限制：避免音量超过 0dBFS，否则会削波
编解码器选择：无损处理使用 FLAC 或 WAV

业务场景

场景 1：播客处理

# 播客处理流程：降噪 -> 压缩 -> 归一化
ffmpeg -i podcast_raw.wav \
    -af "afftdn=nf=-25,acompressor=threshold=0.02:ratio=8:attack=1:release=100,loudnorm=I=-16:TP=-1.5:LRA=11" \
    podcast_final.mp3

场景 2：音乐制作

# 音乐处理：均衡 -> 压缩 -> 混响
ffmpeg -i music.wav \
    -af "bass=g=3,treble=g=2,acompressor=threshold=0.05:ratio=4:attack=5:release=50,aecho=0.8:0.7:40:0.3" \
    music_processed.mp3

场景 3：语音识别预处理

# 语音处理：降噪 -> 高通 -> 归一化
ffmpeg -i speech.wav \
    -af "afftdn=nf=-30,highpass=f=100,lowpass=f=8000,loudnorm=I=-16:TP=-1.5:LRA=11" \
    -ar 16000 -ac 1 \
    speech_processed.wav

场景 4：背景音乐混合

# 背景音乐 + 旁白
ffmpeg -i music.mp3 -i voiceover.mp3 \
    -filter_complex \
    "[0:a]volume=0.2[music]; \
     [1:a]loudnorm=I=-16:TP=-1.5:LRA=11[voice]; \
     [music][voice]amix=inputs=2:duration=longest:weights=1 1" \
    final.mp3

扩展阅读

总结

本章介绍了 FFmpeg 的音频处理功能，包括：

采样率、位深度、声道布局转换
音量控制与归一化
淡入淡出效果
音频裁剪与拼接
混音与均衡器
降噪与滤波
音频特效

掌握这些功能可以帮助您完成各种音频处理任务。

强曰为道

音频处理

音频处理

概述

音频基础概念

采样率

位深度

声道布局

音频采样格式转换

常用采样格式

音量控制

基本音量调整

音量表达式

音量归一化

loudnorm 参数

音量检测

淡入淡出

基本淡入淡出

淡入淡出曲线

交叉淡化

音频裁剪

基本裁剪

精确裁剪

音频拼接

基本拼接

使用文件列表拼接

带间隔的拼接

混音

基本混音

amix 参数

混音权重

混音持续时间

均衡器

基本均衡器

equalizer 滤镜

多频段均衡器

预设均衡器

音频降噪

基本降噪

afftdn 参数

噪声门

完整降噪流程

音频滤波

高通滤波器

低通滤波器

带通滤波器

动态范围压缩

速度调整

基本速度调整

多级速度调整

速度调整保持音调

声道操作

声道提取

声道合并

声道交换

声道混音

变调

基本变调

使用 rubberband 变调

音频特效

回声效果

混响效果

合唱效果

颤音效果

批量处理

批量音频转换

批量音量归一化

注意事项

业务场景

场景 1：播客处理

场景 2：音乐制作

场景 3：语音识别预处理

场景 4：背景音乐混合

扩展阅读

总结