之前那几篇 FFmpeg 博客都讲视频，这次专门写一篇音频的。起因是上个月做了个播客剪辑的小工具，要把嘉宾的录音降噪、调音量、拼成一条，再加个背景音乐。折腾下来发现 FFmpeg 处理音频比视频简单得多（滤镜少，速度快），但坑也不少——比如音量归一化、多音轨选择、格式兼容性。这篇把常用的音频命令和踩过的坑全记下来。
一、音频处理的基本概念（一句话版）
- 采样率（sample rate）：常见 44100 Hz（CD 质量）、48000 Hz（视频常用）。
- 声道（channels）：单声道（mono）、立体声（stereo）、5.1 等。
- 码率（bitrate）：128k、192k、320k，越高越清晰，文件越大。
- 编码格式：MP3、AAC、Opus、FLAC（无损）、PCM（原始）。
- 容器：MP3、M4A、FLAC、WAV（PCM 封装）。
FFmpeg 里音频相关的参数前缀一般是 -a（audio）或直接复用 -c:a。
二、安装（快速过）
FFmpeg 安装看第一篇博客。确保编译时带了常用音频编码器：
ffmpeg -encoders | grep -E "mp3|aac|libopus"
如果没有 libmp3lame 或 aac，用完整版二进制。
三、常用音频参数速查
参数 含义 例子
-c:a 音频编码器 -c:a libmp3lame
-b:a 音频码率 -b:a 128k
-ar 采样率 -ar 44100
-ac 声道数 -ac 1（单声道）
-af 音频滤镜 -af "volume=2.0"
-vn 不包含视频 提取纯音频
-map 0:a:0 选第一个输入的第一个音频流 多音轨时用
四、基础转换命令
4.1 格式转换（不改变质量）
# MP3 转 M4A（AAC）
ffmpeg -i input.mp3 -c:a aac -b:a 192k output.m4a
# FLAC 转 MP3（无损 → 有损）
ffmpeg -i input.flac -c:a libmp3lame -b:a 320k output.mp3
# 任意格式转 WAV（PCM，无损，巨大）
ffmpeg -i input.mp3 output.wav
4.2 从视频中提取音频
# 提取为 MP3（质量中等）
ffmpeg -i video.mp4 -vn -c:a libmp3lame -b:a 192k audio.mp3
# 提取为 AAC（更小）
ffmpeg -i video.mp4 -vn -c:a aac -b:a 128k audio.m4a
# 提取原始音频流（不编码，直接复制）
ffmpeg -i video.mp4 -vn -c:a copy audio.aac
踩坑：-c:a copy 要求视频里的音频编码格式是你想要的容器支持的。比如 MP4 里的 AAC 可以直接改后缀为 .aac，但 YouTube 下载的 opus 不能直接塞进 MP3 容器。
五、常用滤镜（音频特效）
5.1 音量调节（volume）
# 音量翻倍
ffmpeg -i input.mp3 -af "volume=2.0" output.mp3
# 降低一半
ffmpeg -i input.mp3 -af "volume=0.5" output.mp3
# 用分贝表示（增加 10dB）
ffmpeg -i input.mp3 -af "volume=10dB" output.mp3
5.2 音量归一化（loudnorm / dynaudnorm）
使用 loudnorm（EBU R128 标准，适合统一响度）：
ffmpeg -i input.wav -af loudnorm=I=-16:LRA=11:TP=-1.5 output.wav
参数解释：
1、I：整体响度（-16 适合播客，-23 适合电视）
2、LRA：响度范围
3、TP：真峰值上限
使用 dynaudnorm（简单动态音频归一化）：
ffmpeg -i input.mp3 -af dynaudnorm output.mp3
踩坑：loudnorm 第一次跑可以加 -af loudnorm=print_format=json 打印分析结果，再用测量值做第二次处理。直接跑可能会让峰值过载。
5.3 淡入淡出（afade）
# 淡入 3 秒
ffmpeg -i input.mp3 -af "afade=t=in:st=0:d=3" output.mp3
# 淡出 5 秒，从第 60 秒开始
ffmpeg -i input.mp3 -af "afade=t=out:st=60:d=5" output.mp3
5.4 降噪（高切 / 低切）
去除低频哼声（高通滤波）：
ffmpeg -i input.mp3 -af "highpass=f=80" output.mp3
去除高频嘶声（低通滤波）：
bash
ffmpeg -i input.mp3 -af "lowpass=f=3000" output.mp3
更高级的降噪需要 afftdn（FFT 降噪），先采集噪声样本：
bash
# 提取前 0.5 秒作为噪声样本
ffmpeg -i input.wav -ss 0 -t 0.5 noise.wav
# 应用降噪
ffmpeg -i input.wav -i noise.wav -af "afftdn=sn" output.wav
5.5 变速不变调（atempo）
# 加速 20%（1.2 倍速）
ffmpeg -i input.mp3 -af "atempo=1.2" output.mp3
# 减速 20%（0.8 倍速）
ffmpeg -i input.mp3 -af "atempo=0.8" output.mp3
# 变调不变速（rubberband 需要单独编译，一般用 asetrate 会变时长）
踩坑：atempo 范围是 0.5 到 2.0。需要更快的可以链式调用：atempo=2.0,atempo=2.0 实现 4 倍速。
六、实战命令（我每天都用）
6.1 把一段长录音剪出精彩片段（不重新编码）
ffmpeg -i recording.mp3 -ss 00:01:30 -to 00:03:45 -c copy clip.mp3
-c copy 速度飞快但可能切割点不精确（关键帧问题）。如果要求精确到毫秒，去掉 -c copy 重新编码。
6.2 合并多个音频文件
先创建 list.txt：
file 'part1.mp3'
file 'part2.mp3'
file 'part3.mp3'
然后：
ffmpeg -f concat -safe 0 -i list.txt -c copy merged.mp3
踩坑：所有文件的编码格式、采样率、声道数必须一致，否则拼接后有奇怪杂音。可以先用 ffmpeg -i input -ar 44100 -ac 2 统一格式。
6.3 背景音乐 + 人声混合（overlay 音频）
把背景音乐音量降低，和人声混在一起：
ffmpeg -i voice.mp3 -i bgm.mp3 -filter_complex "[1:a]volume=0.3[b];[0:a][b]amix=duration=longest" output.mp3
amix=duration=longest 表示按最长的音频长度混合（不会截断）。
6.4 声道分离与合并
提取左声道（mono）：
ffmpeg -i stereo.mp3 -af "pan=mono|c0=c0" left.mp3
把两个单声道合并为一个立体声：
ffmpeg -i left.mp3 -i right.mp3 -filter_complex "[0:a][1:a]amerge" -ac 2 output.mp3
6.5 给音频添加封面图片（做成带封面的 MP3）
ffmpeg -i audio.mp3 -i cover.jpg -map 0:a -map 1:v -c copy -id3v2_version 3 output.mp3
七、问题汇总（全部真实踩过）
-
转出来的 MP3 播放器不识别
原因：可能是 ID3 标签版本问题，或者编码时用了不标准的参数。
解决：加 -id3v2_version 3 -write_id3v1 1 参数，或者改用 -c:a libmp3lame 明确指定编码器。 -
音量归一化后，有些地方反而更小声了
原因：loudnorm 会整体压缩动态范围，如果原始音频有很响的片段，会把整体拉低。
解决：先手动剪辑掉过响的段落，或者用 dynaudnorm 替代（动态范围保持更好）。 -
合并音频时出现“采样率不一致”错误
错误信息：[concat @ ...] Input link in1 parameters (sample rate) do not match。
解决：先统一采样率：
ffmpeg -i input1.mp3 -ar 44100 tmp1.mp3
ffmpeg -i input2.mp3 -ar 44100 tmp2.mp3
# 再合并
- 背景音乐和人声混合后，人声发闷
原因：背景音乐在中频段和人声重叠。
解决：在背景音乐上做 EQ 衰减中频（1000-4000Hz）：
ffmpeg -i voice.wav -i bgm.wav -filter_complex "[1:a]afftfilt=real='re * (1 + 0.5*sin(2*PI*2000*t))'[e];[0:a][e]amix" output.wav
更简单：直接用专业音频软件（Audacity）处理，FFmpeg 的 EQ 不够直观。
5. 从视频提取音频后，时长变短了
原因：视频最后一帧带静音，或者有垃圾数据。
解决：用 ffmpeg -i video.mp4 -vn -c:a copy -map 0:a audio.aac 直接复制不重新编码；如果还短，用 -copyts 保留时间戳。
6. 想把 MP3 转成单声道减少体积，但声音变形
原因：左右声道相位相反，下混时相互抵消。
解决：用 -af "pan=mono|c0=c0+c1" 强制相加而不是取平均。
7. ffmpeg 提示 No such filter: 'loudnorm'
原因：FFmpeg 版本太老（4.x 之前的版本没有 loudnorm）。
解决：升级 FFmpeg 到 4.0 以上，或者用 dynaudnorm 替代。
八、一点小建议
1、处理音频时，尽量先用 WAV 无损格式作为中间文件，避免反复压缩损失质量。最后再转成 MP3/AAC。
2、音量归一化推荐 loudnorm，参数先跑一次分析模式 -af loudnorm=print_format=json，看测量结果再微调。
3、批量处理：写个脚本循环，每个文件单独处理，避免一次性吃太多内存。
4、音视频分离再合并时，注意时间戳对齐。可以先导出音频时间戳 ffprobe 检查。
写这篇的时候我又翻车了：想把一段 5.1 声道的 AC3 转成双声道的 MP3，结果出来的全是杂音。后来发现需要先 -ac 2 下混，再指定编码器。最终命令：
ffmpeg -i 5.1.ac3 -ac 2 -c:a libmp3lame -b:a 192k stereo.mp3
声音终于正常了。
音频处理比视频简单，但细节一样不能错。记住 -c:a、-b:a、-af、-map 就够日常用了。剩下的遇到再查文档，别硬背。
最后推荐一个我的音频转换别名：
alias mp3-to-m4a='for f in *.mp3; do ffmpeg -i "$f" -c:a aac -b:a 128k "${f%.mp3}.m4a"; done'
alias loudnorm-podcast='ffmpeg -i "$1" -af loudnorm=I=-16:LRA=11:TP=-1.5 -ar 44100 -ac 2 "$1"_norm.mp3'
存到 .bashrc 里，省得每次敲一堆参数。