想截一段音频做铃声/采样？彻底搞懂音频裁剪、淡入淡出、格式转换与批量生产
视频里的某段 BGM 很好听，想截出来当手机铃声；或者录音里有一句金句想做成采样素材；再或者播客里一段想单独存成 mp3 发朋友圈——这些"从大文件里切一段音频出来"的需求，用 ffmpeg 几行命令就能搞定。这篇文章把裁剪精度、无损 vs 重编码、淡入淡出防爆音、转成铃声格式、响度统一、批量生产全部讲透，并对比各平台铃声限制与常见翻车。
一、最基础的裁剪
从 00:30 开始取 15 秒：
ffmpeg -ss 00:00:30 -t 15 -i input.mp4 -vn -acodec copy out.aac
-ss起始、-t时长；-vn不要视频；-acodec copy音频原样拷贝（若源是 AAC 且裁剪点在帧边界则无损）。
二、无损裁剪的边界限制
音频也有"帧"概念。AAC 帧约 1024 样本（~21ms @ 48kHz），-acodec copy 只能在帧边界切，否则开头会差一点或需重编码。要精确就重编码：
ffmpeg -ss 00:00:30 -t 15 -i input.mp4 -vn -acodec libmp3lame -b:a 192k out.mp3
精确裁剪的同时还能顺手转成目标格式（mp3）。若源是音乐且你只截不转码需求，重编码有损但 192k CBR 听感足够。
三、淡入淡出（避免爆音/突兀）
直接截断的音频开头结尾很硬，做铃声尤其难听——一上来就"啪"地响起，结束又戛然而止。加淡入淡出：
ffmpeg -ss 00:00:30 -t 15 -i input.mp4 -vn \
-af "afade=t=in:st=0:d=0.5,afade=t=out:st=14.5:d=0.5" \
-acodec libmp3lame -b:a 192k out.mp3
afade=t=in:st=0:d=0.5：开头 0.5 秒淡入；afade=t=out:st=14.5:d=0.5：第 14.5 秒起 0.5 秒淡出；- 淡入淡出长度通常取 0.3~1 秒，视片段长度而定。
四、转成铃声格式与平台限制
手机铃声通常要 m4a（AAC）或 mp3：
# iPhone 常用 m4a
ffmpeg -ss 0:0:30 -t 30 -i input.mp4 -vn -c:a aac -b:a 192k ringtone.m4a
# 限制最长 30 秒（很多手机铃声上限）
平台差异：Android 一般认 mp3/m4a；iOS 认 m4r（其实和 m4a 同封装，改后缀即可，或用 -f ipod 输出）。部分国产 ROM 对 m4a 支持更好，建议优先 m4a。
五、提升人声清晰度（可选）
截出来的人声闷，可加高通滤镜：
ffmpeg -ss 0:0:30 -t 15 -i input.mp4 -vn -af "highpass=f=150" -acodec libmp3lame out.mp3
highpass=f=150 切掉 150Hz 以下低频轰鸣，人声更清晰。配合 lowpass=f=8000 削齿音可进一步改善听感（窄带语音感）。
六、音量标准化（避免截出来太小声）
不同片段响度不一，用 loudnorm 统一（详见音频响度专题）：
ffmpeg -ss 0:0:30 -t 15 -i input.mp4 -vn \
-af "afade=t=in:st=0:d=0.3,afade=t=out:st=14.7:d=0.3,loudnorm=I=-14" \
-acodec libmp3lame -b:a 192k out.mp3
流媒体平台铃声常建议 -14 LUFS；iOS/Android 默认响度各不相同，统一到 -14 左右最稳。
七、批量做一堆铃声
比如从一张专辑里每首截副歌 20 秒：
for f in *.mp4; do
ffmpeg -ss 0:1:0 -t 20 -i "$f" -vn \
-af "afade=t=in:st=0:d=0.3,afade=t=out:st=19.7:d=0.3" \
-acodec libmp3lame "ring_$f.mp3"
done
生产大量素材时，把时间点和时长写进一个 csv，用脚本循环读取更可控。
八、裁剪精度对照
| 方式 | 精度 | 画质/音质 | 速度 |
|---|---|---|---|
| -acodec copy | 帧边界（~21ms） | 无损 | 快 |
| 重编码 aac/mp3 | 帧级精确 | 有损 | 慢 |
九、常见翻车现场
| 现象 | 根因 | 解法 |
|---|---|---|
| 开头有爆音 | 没淡入 | 加 afade=t=in |
| 裁剪长度不对 | -ss/-t 与 -to 混用 | 统一用 -ss + -t |
| 铃声太长上传失败 | 超过手机限制 | 限制 -t 30 |
| 音质差 | 码率太低 | 提到 192k~256k |
| 多段连续截重叠 | 时间点算错 | 用脚本算好区间 |
十、常见问题
Q：能不能从视频中间截一段循环？ 能，-ss/-t 框定区间即可，循环播放是播放器的事。
Q：截取后音量太小？ 加 volume=2（翻倍）或 loudnorm 标准化。
Q：能做铃声还能震动？ 那是系统设置，文件层面只管音频。
Q：采样素材怎么去背景音？ 单靠 ffmpeg 难完美，可先降噪（afftdn）再裁；彻底分离人声需 AI 工具。
Q：iOS 铃声必须是 m4r 吗？ m4r 与 m4a 同封装，改后缀或 -f ipod 输出即可被识别为铃声。
十一、端到端实战：从一首歌做 3 段不同铃声
假设 song.mp4 里副歌在 1:00、2:30、3:45，各取 20 秒做不同铃声：
ffmpeg -ss 0:1:0 -t 20 -i song.mp4 -vn -af "afade=t=in:st=0:d=0.3,afade=t=out:st=19.7:d=0.3,loudnorm=I=-14" -acodec libmp3lame -b:a 192k ring_chorus1.mp3
ffmpeg -ss 0:2:30 -t 20 -i song.mp4 -vn -af "afade=t=in:st=0:d=0.3,afade=t=out:st=19.7:d=0.3,loudnorm=I=-14" -acodec libmp3lame -b:a 192k ring_chorus2.mp3
ffmpeg -ss 0:3:45 -t 20 -i song.mp4 -vn -af "afade=t=in:st=0:d=0.3,afade=t=out:st=19.7:d=0.3,loudnorm=I=-14" -acodec libmp3lame -b:a 192k ring_chorus3.mp3
十二、从视频里做"纯人声采样"（去背景音思路）
ffmpeg 本身分离人声能力有限，但可先做基础处理：
# 降噪 + 高通 + 窄带，让语音更突出（非真分离）
ffmpeg -ss 0:0:30 -t 10 -i input.mp4 -vn \
-af "highpass=f=200,lowpass=f=6000,afftdn=nf=-20" \
-acodec libmp3lame -b:a 192k vocal_sample.mp3
真·人声分离需 Spleeter / Demucs 等 AI 工具，ffmpeg 只做前后处理。
十三、更多 FAQ
Q：铃声在 iPhone 上不显示？ 需 m4r 后缀或 -f ipod 输出，并导入"铃声"库而非音乐。
Q：截出来有爆音怎么办？ 几乎都是没淡入淡出，加 afade 即可。
Q：能不能自动按响度阈值裁剪？ ffmpeg 无内置静音检测裁剪，可先用 silencedetect 找段再截。
Q：截完比特率选多少？ 铃声 128–192k 足够，越高文件越大、收益递减。
小结
音频裁剪 = -ss/-t + -vn + 音频编码；要顺耳必加 afade 淡入淡出；铃声注意格式（m4a/mp3）和时长上限（常见 30s）。批量处理用脚本循环，并用 loudnorm 统一响度。