下载的视频音量忽大忽小？用 ffmpeg 抽音频并做响度标准化
不知道你有没有这种经历：追一部剧，正片声音小得像蚊子叫，一切到广告或者另一集，又"轰"地一声差点把耳朵震聋。尤其是从不同网站扒下来的视频，有的录的是会议室麦克风，有的带了后期混音，音量标准根本不统一。这篇文章就聊聊怎么用 ffmpeg 把音频抽出来、统一响度，让自己看片不再手忙脚乱调音量。
先搞清楚：响度和音量不是一回事
很多人以为"把声音调大"就是 solution，其实音量（volume）只是振幅的放大，而响度（loudness）才是人耳主观感受到的大小。一段低频很重的音频，数值上峰值很高，听起来却未必"响"；一段人声清晰的中频，峰值不高但听得清楚。所以工业界用 LUFS（Loudness Units relative to Full Scale）来衡量，主流标准叫 EBU R128（欧洲）和 ATSC A/85（北美），目标一般落在 -23 LUFS 左右。
第一步：把音频从视频里抽出来
最保真的方式是直接拷贝音轨，不重新编码：
ffmpeg -i input.mp4 -vn -acodec copy output.aac
-vn 不处理视频，-acodec copy 是音频流原样拷贝。如果源音频本身就是 AAC，这样最快。想统一格式（比如都变成 192k 的 mp3）就重编码：
ffmpeg -i input.mp4 -vn -acodec libmp3lame -b:a 192k output.mp3
第二步：用 loudnorm 做响度标准化
ffmpeg 内置 loudnorm 滤镜，实现的就是 EBU R128。单趟（single pass）最省事：
ffmpeg -i input.mp4 -af loudnorm=I=-23:TP=-1.5:LRA=11 -ar 48000 -ac 2 output.mp4
I 是目标整体响度（LUFS），TP 是真峰限制（dBTP），LRA 是响度范围。这套参数能应付绝大多数场景。
但单趟是"边扫边调"，遇到动态很大的片子偶尔会抽抽。双趟（two pass）更稳：
# 第一趟：只测量，结果打印成 json
ffmpeg -i input.mp4 -af loudnorm=I=-23:TP=-1.5:LRA=11:print_format=json -f null -
# 第二趟：把 measured_xxx 填回去
ffmpeg -i input.mp4 -af loudnorm=I=-23:TP=-1.5:LRA=11:measured_I=-22.8:measured_TP=-1.2:measured_LRA=10.5:measured_thresh=-33.4:offset=0.3 -ar 48000 -ac 2 output.mp4
几个容易踩的坑
| 现象 | 可能原因 | 解决办法 |
|---|---|---|
| 处理后发闷 | 采样率被改成 44100 | 显式加 -ar 48000 |
| 左右声道不均衡 | 单声道被强扩成双声道 | 用 -ac 1 或先 pan 滤镜 |
| 峰值爆音 | 没限制 TP | 保留 TP=-1.5 并加 alimiter |
| 处理极慢 | 双趟 + 重编码 | 批量用单趟，关键片用双趟 |
常见问题
Q：能不能只改音频不动画质？ 能。用 -c:v copy -af loudnorm... 只重编码音频，画质零损失。
Q：loudnorm 和 volume 滤镜有什么区别？ volume 只是线性乘增益，会一起放大噪声和爆音；loudnorm 按响度标准动态压缩/扩展，听感更自然。
Q：手机上听，目标响度要调吗？ 流媒体平台一般建议 -14 LUFS 左右，比电视标准高。自己存着看保持 -23 也没问题，只是相对"轻"一点。