给视频配 BGM，原声还不糊：amix 混音与自动压低原声（ducking）

做 vlog、教程，想垫一段背景音乐，但直接 amix 一混，人声和音乐糊成一团，音乐大声时人声直接被盖。正解是 ducking（闪避）：有人说话时自动把 BGM 压下去，没说话时 BGM 浮上来。ffmpeg 自带 sidechaincompress 能做，这篇讲怎么配。

先混上去（基础版，但不好听）

ffmpeg -i talk.mp4 -i bgm.mp3 -filter_complex   "[0:a][1:a]amix=inputs=2:duration=first:dropout_transition=2[a]"   -map 0:v -map "[a]" out.mp4

amix 把两路音混一起，duration=first 以人声长度为准。问题：BGM 音量恒定，盖人声。

进阶：sidechaincompress 做 ducking

思路把人声当"侧链信号"，BGM 当被压的对象。人声一响，压低 BGM：

ffmpeg -i talk.mp4 -i bgm.mp3 -filter_complex   "[1:a]volume=0.6[bgm];   [0:a]volume=1.2[voice];   [bgm][voice]sidechaincompress=threshold=-25dB:ratio=4:attack=20:release=300[ducked];   [voice][ducked]amix=inputs=2:duration=first[a]"   -map 0:v -map "[a]" out.mp4

要点：

• volume=0.6 先把 BGM 整体降一点，别太满；
• threshold=-25dB 侧链触发门槛，人声过这值就开始压；
• ratio=4 压缩比，越大压得越狠；
• attack/release 是压下去和松开的速度（毫秒），太快会"喘"，太慢会糊。

坑一：BGM 比人声短

循环 BGM 凑长度，用 aloop：

[1:a]aloop=loop=-1:size=2e9[bgm]

loop=-1 无限循环，直到混音结束。

坑二：两条音轨采样率/声道不一致

amix 要求一致，否则报错。先统一：

[1:a]aresample=44100,aformat=channel_layouts=stereo[bgm]

坑三：压得太狠听着"泵"

ratio 别超过 6，release 别低于 200，否则音乐一抽一抽的（pumping）。我一般 ratio=3~4、release=300 最自然。

想要更聪明？

ffmpeg 的 ducking 是"电平触发"，分不清人声和别的响动。要真按人声触发，得上 Demucs 先分出人声轨当侧链（接上篇），或者外部用 Python 算 VAD 时间轴再生成音量包络。普通 vlog 用 sidechaincompress 够了。