想给视频加速/慢放，声音还不变调？彻底搞懂变速与变调（附 WSOLA 原理与慢动作补帧）
做教程要加速去掉废话、做慢动作回放精彩瞬间、或者把一段语音压成 1.5 倍速听——这些都需要"变速"。但新手常踩的坑是：视频加速了，声音也跟着变尖变调，像花栗鼠（chipmunk）一样难听；或者反过来，只把画面加速了、声音还是原速，结果音画完全对不上。这篇文章讲清楚视频和音频各自的变速方法，以及怎么做到变速不变调，顺带聊聊背后的 WSOLA 算法原理，并给出慢动作补帧方案。
一、视频变速和音频变速是两件事
很多人以为"加速"是一个开关，其实底层是两个独立操作：
- 视频变速：改变帧的呈现节奏，用
setpts滤镜（Presentation TimeStamp 缩放）； - 音频变速：改变采样播放速度，用
atempo滤镜（基于 WSOLA 算法）； - 两者必须同时处理且倍数一致，否则音画对不上。
只改一条，就会出现"画面快声音慢"或"声音尖画面正常"的诡异结果。
二、只改视频速度（声音不动会怪）
# 加速 2 倍
ffmpeg -i input.mp4 -vf "setpts=0.5*PTS" -c:a copy output.mp4
setpts=0.5*PTS 表示每帧时间戳减半 → 速度翻倍。注意这里音频用 -c:a copy 没变，结果会是"画面快进但声音正常速度"——音画不同步，一般不是你想要的。仅在你明确只要画面变速时用。
三、音频变速不变调（关键）
单纯 atempo 在合法范围内不会改变音高，因为它内部用 WSOLA（Waveform Similarity Overlap-Add）算法：它不是简单把采样率倍乘（那会变调），而是把音频切成小块、在重叠区域找最相似的波形拼接，从而在不改变音高的前提下改变播放速度。
# 1.5 倍速，声音不变调
ffmpeg -i input.mp4 -filter:a "atempo=1.5" -vn output.mp4
atempo 的合法范围是 0.5 ~ 2.0。超出范围需要叠加：
# 4 倍速 = 2.0 * 2.0
ffmpeg -i input.mp4 -filter:a "atempo=2.0,atempo=2.0" -vn output.aac
四、视频+音频一起变速（推荐做法）
同时处理，保证同步：
# 加速 2 倍，声音不变调
ffmpeg -i input.mp4 -filter_complex "[0:v]setpts=0.5*PTS[v];[0:a]atempo=2.0[a]" -map "[v]" -map "[a]" output.mp4
如果速度不在 0.5~2.0，音频叠加 atempo：
ffmpeg -i input.mp4 -filter_complex "[0:v]setpts=0.25*PTS[v];[0:a]atempo=2.0,atempo=2.0[a]" -map "[v]" -map "[a]" output.mp4
五、要"变调"的特效（故意搞怪）
有时你就是想要花栗鼠效果（比如搞笑视频、变声），那就主动变调：
# 用 rubberband 主动升高音高（变调不变速或变速）
ffmpeg -i input.mp4 -filter:a "rubberband=pitch=2.0" -vn out.aac
rubberband 滤镜（需编译 librubberband）能分别控制 tempo（速度）和 pitch（音高），非常灵活：只变速不变调、只变调不变速、或两者都变，全看你传哪些参数。
六、更高质量音频变速：rubberband
相比 atempo，rubberband 在极端速度下保真更好，且能精细控制音高：
# 变速 1.5 倍且保持音高
ffmpeg -i input.mp4 -filter:a "rubberband=tempo=1.5" -vn out.aac
# 只升调不变速（变声）
ffmpeg -i input.mp4 -filter:a "rubberband=pitch=1.5" -vn out.aac
七、慢动作怎么做才流畅
单纯 setpts=2*PTS 只是让每帧停留更久，不会新增画面，所以慢动作会有卡顿感。要真·流畅慢放，得补帧（光流/帧插值）：
# 用 minterpolate 插帧做平滑慢动作
ffmpeg -i input.mp4 -filter:v "minterpolate='mi_mode=mci:me_mode=bidir:mc_mode=aobmc:vsbmc=1:fps=60'" -c:a copy slow.mp4
代价是计算量大、可能引入伪影，但慢动作观感明显更顺。注意音频在慢放下会变调（因为时间拉长），如需保持音高要配合 atempo 反向处理——但通常慢动作回放会把原音去掉或用新配乐。
八、批量处理
for f in *.mp4; do
ffmpeg -i "$f" -filter_complex "[0:v]setpts=0.5*PTS[v];[0:a]atempo=2.0[a]" -map "[v]" -map "[a]" "fast_$f"
done
九、常见翻车现场
| 现象 | 根因 | 解法 |
|---|---|---|
| 声音变尖 | atempo 超出范围或没用 WSOLA | 用 0.5~2.0 内，或 rubberband |
| 音画不同步 | 只改了视频没改音频 | 同时改音频 atempo，倍数一致 |
| 速度超过 2 倍失败 | atempo 范围限制 | 叠加 atempo=2.0,atempo=2.0 |
| 慢动作卡顿 | 帧率没跟着补 | 用 minterpolate 插帧 |
| 处理后没声音 | 漏了 -map 音频 |
确认 map 了音频流 |
十、常见问题
Q：能不能只变调不变速？ 能，rubberband=pitch=2 只升音高不改速度，适合变声搞笑。
Q：慢动作怎么做得流畅？ 单纯 setpts=2*PTS 只是每帧停留更久，不新增画面；要真流畅慢放得用插帧（minterpolate 滤镜）。
Q：语音 1.5 倍速听不清？ 适当加 highpass 提清晰度，或选 rubberband 保真。
Q：变速后时长怎么算？ 速度 N 倍，时长约为原来的 1/N；音频和视频一致即可。
Q：WSOLA 和直接改采样率有什么区别？ 直接改采样率（如 44100→88200）会变调且快放，WSOLA 通过波形重叠拼接保持音高，这是"不变调变速"的关键。
十一、端到端实战：把 1 小时教程压成 12 分钟速览
# 加速 5 倍（2.0×2.0 叠加），声音不变调
ffmpeg -i tutorial.mp4 \
-filter_complex "[0:v]setpts=0.2*PTS[v];[0:a]atempo=2.0,atempo=2.5[a]" \
-map "[v]" -map "[a]" -c:v libx264 -crf 23 -c:a aac fast.mp4
注意音频 2.0*2.5=5.0 倍，视频 0.2=1/5，两边倍数一致，音画同步。
十二、慢动作 + 插帧完整流程
# 1) 先把视频慢 4 倍（setpts=4*PTS）
# 2) 插帧到 120fps 让慢动作顺滑
ffmpeg -i input.mp4 -filter_complex \
"[0:v]setpts=4*PTS,minterpolate=mi_mode=mci:fps=120[v]" \
-map "[v]" -c:v libx264 -crf 18 slow_smooth.mp4
慢动作通常不保留原声（会变调且拖沓），可后续配乐；若坚持保留人声，需对音频反向 atempo=0.25 并 loudnorm 修正。
十三、更多 FAQ
Q：变速后音频和视频时长对不上？ 必然因为一端没变；确保 setpts 倍数 = atempo 总倍数。
Q：为什么 atempo 最多 2.0？ 这是算法稳定区间，超出用多段叠加（2.0×2.0=4.0）。
Q：手机拍慢动作怎么变速回正常？ 手机慢动作文件本身已是高帧率，用 setpts=0.25*PTS 提速即可（配合插帧反向）。
Q：能不能只对某时间段变速？ 能，用 enable='between(t,5,15)' 限定滤镜作用区间。
Q：WSOLA 和 rubberband 怎么选？ 普通变速 atempo 够用；极端速度或需独立控 pitch 用 rubberband（音质更好）。
小结
变速要视频音频同步改：setpts 管画面、atempo（或 rubberband）管声音，两者倍数必须一致。想不变调就待在 atempo 0.5~2.0 内或用 rubberband；想搞怪变调就主动调 pitch。慢动作要流畅得额外插帧，别只靠 setpts。