4、音频处理入门：音频重采样、声道转换、音频编码与音量调整
音频处理，说白了就是让声音文件「听话」。你要它变采样率、变声道、变格式、变响度，FFmpeg 都能干。这一章我带你把这四个最基础的操作过一遍。嗯，都是日常工作中高频到不能再高频的东西。
本章核心脉络：音频重采样（-ar）→ 声道转换（-ac）→ 音频编码（AAC/MP3）→ 音量调整（volume filter）。这四个操作可以单独用，也可以串成一条管道。我建议你按这个顺序学，因为后面的操作往往依赖前面的结果。
4.1 音频重采样（-ar）
重采样，就是改变音频的采样率。比如把 44100 Hz 转成 48000 Hz。为什么要做这个？我遇到过最典型的场景：视频素材的音频是 48k，但你的项目工程要求 44.1k，不转的话播放会变调或者不同步。
FFmpeg 的重采样用 -ar 参数，语法很简单：
# 将输入音频重采样为 44100 Hz
ffmpeg -i input.wav -ar 44100 output.wav
# 同时重采样和编码
ffmpeg -i input.wav -ar 48000 -c:a aac output.m4a我的经验：重采样时 FFmpeg 默认使用 swresample 库，质量不错。但如果你对音质有极致要求，可以加 -resampler soxr 使用 SoX 重采样器，质量更高，但速度慢一些。
常见的采样率对照表：
| 采样率 | 常见用途 | 说明 |
|---|---|---|
| 8000 Hz | 电话语音 | 窄带，人声可懂即可 |
| 16000 Hz | VoIP、语音识别 | 宽带语音，质量尚可 |
| 22050 Hz | 低质量音乐 | 老式 MP3 常用 |
| 44100 Hz | CD 音质 | 音乐行业标准 |
| 48000 Hz | 视频、电影 | 视频行业标准 |
| 96000 Hz | 高解析音频 | Hi-Res，录音棚常用 |
注意：采样率不是越高越好。48k 转 44.1k 会有轻微的质量损失，因为不是整数倍关系。我曾经在做一个播客项目时，反复在 48k 和 44.1k 之间来回转，最后音质明显劣化。尽量保持一次到位。
4.2 声道转换（-ac）
声道转换，就是改变音频的声道数量。最常见的是立体声转单声道，或者单声道转立体声。你想想看，很多语音录音是单声道的，但视频平台要求立体声，这时候就得转。
用 -ac 参数：
# 立体声转单声道（混合左右声道）
ffmpeg -i stereo.wav -ac 1 mono.wav
# 单声道转立体声（复制到左右声道）
ffmpeg -i mono.wav -ac 2 stereo.wav
# 5.1 环绕声转立体声（下混）
ffmpeg -i surround.wav -ac 2 stereo.wavFFmpeg 的声道映射规则：
- -ac 1：多声道混合为单声道，默认使用平均混合
- -ac 2：多声道下混为立体声，FFmpeg 会自动做声道映射
- -ac 6：上混为 5.1 环绕声，会填充静音声道
避坑指南：我曾经在处理一个 5.1 声道电影音频时，直接用 -ac 2 下混，结果对白音量变得很小。后来发现 FFmpeg 默认的下混矩阵会把中置声道（对白）衰减。解决方案是用 pan 滤镜手动控制混音比例：-af "pan=stereo|FL=FC+0.707*FL+0.707*BL|FR=FC+0.707*FR+0.707*BR"。
4.3 音频编码（AAC / MP3）
编码，就是把原始 PCM 数据压缩成有损格式。最常用的两个格式是 AAC 和 MP3。我个人习惯：视频配乐用 AAC，纯音频分发用 MP3。为什么？AAC 在低码率下表现更好，MP3 的兼容性更广。
4.3.1 编码为 AAC
# 使用 FFmpeg 内置 AAC 编码器
ffmpeg -i input.wav -c:a aac -b:a 128k output.m4a
# 使用 libfdk_aac（质量更好，但需要编译时开启）
ffmpeg -i input.wav -c:a libfdk_aac -b:a 128k output.m4a
# 指定采样率和声道
ffmpeg -i input.wav -c:a aac -ar 44100 -ac 2 -b:a 192k output.m4a4.3.2 编码为 MP3
# 使用 libmp3lame 编码器
ffmpeg -i input.wav -c:a libmp3lame -b:a 192k output.mp3
# 使用可变比特率（VBR），质量 0-9，0 最好
ffmpeg -i input.wav -c:a libmp3lame -q:a 2 output.mp3
# 固定比特率（CBR）
ffmpeg -i input.wav -c:a libmp3lame -b:a 128k -minrate 128k -maxrate 128k output.mp3| 编码器 | 格式 | 质量 | 速度 | 推荐场景 |
|---|---|---|---|---|
| aac (FFmpeg 内置) | AAC | 良好 | 快 | 通用视频配乐 |
| libfdk_aac | AAC | 优秀 | 中等 | 高质量音频流 |
| libmp3lame | MP3 | 良好 | 快 | 音乐分发、播客 |
| pcm_s16le | WAV | 无损 | 极快 | 编辑中间文件 |
注意：-c:a aac 用的是 FFmpeg 内置的 AAC 编码器，质量还行但不算顶级。如果你需要高质量 AAC，建议编译时开启 --enable-libfdk-aac。不过要注意，libfdk_aac 的许可证和 FFmpeg 不兼容，所以官方编译版本默认不带。
4.4 音量调整（volume filter）
音量调整，说白了就是让声音变大或变小。FFmpeg 用 volume 滤镜来实现。我遇到过最头疼的情况：采访视频里两个人的音量差太多，一个像蚊子叫，一个像打雷。这时候就得用 volume 滤镜做归一化。
基本用法：
# 音量加倍（增加 6dB）
ffmpeg -i input.wav -af "volume=2.0" output.wav
# 音量减半（减少 6dB）
ffmpeg -i input.wav -af "volume=0.5" output.wav
# 用 dB 单位调整（增加 3dB）
ffmpeg -i input.wav -af "volume=3dB" output.wav
# 静音
ffmpeg -i input.wav -af "volume=0" output.wavvolume 滤镜的参数模式：
- 线性倍数：
volume=1.5表示放大 1.5 倍 - dB 值：
volume=3dB表示增加 3 分贝 - 精确控制：
volume=0.8降低 20% 音量
我的经验：音量调整时要注意不要削波（clipping）。如果原始音频已经接近 0dB，再放大就会产生爆音。我曾经在做一个播客后期时，把一段录音放大了 6dB，结果听起来全是噼里啪啦的失真。后来我改用 loudnorm 滤镜做响度归一化，效果就好多了。
更高级的音量控制——响度归一化：
# 使用 loudnorm 滤镜做 EBU R128 响度归一化
ffmpeg -i input.wav -af "loudnorm=I=-16:LRA=11:TP=-1.5" output.wav参数说明：
- I：综合响度目标值（单位 LUFS），-16 是播客常用值
- LRA：响度范围，11 是推荐值
- TP：真峰值上限，-1.5dB 防止削波
4.5 综合实战：一条命令搞定所有
好了，把上面四个操作串起来。假设你有一个 48kHz 立体声 WAV 文件，要转成 44.1kHz 单声道 MP3，音量提升 3dB：
ffmpeg -i input.wav \
-ar 44100 \
-ac 1 \
-c:a libmp3lame -b:a 128k \
-af "volume=3dB" \
output.mp3这条命令干了四件事：
- -ar 44100：重采样到 44.1kHz
- -ac 1：混合为单声道
- -c:a libmp3lame -b:a 128k：编码为 MP3，128kbps
- -af "volume=3dB"：音量提升 3dB
注意顺序：滤镜（-af）在编码器之前执行。所以上面的命令是先调整音量，再编码。如果你把 -af 放在 -c:a 后面，FFmpeg 会报错。嗯，这个坑我踩过。
再给一个更复杂的例子——批量处理文件夹里的所有 WAV 文件：
for f in *.wav; do
ffmpeg -i "$f" -ar 44100 -ac 1 -c:a aac -b:a 96k -af "volume=2.0" "${f%.wav}.m4a"
done这个脚本会把当前目录下所有 WAV 转成 44.1kHz 单声道 AAC，音量翻倍。我在做语音数据集清洗时经常用这种批量处理。
最后一个小技巧：如果你不确定当前音频的参数，先用 ffprobe 看一眼：ffprobe -v error -show_entries stream=sample_rate,channels,codec_name input.wav。知己知彼，百战不殆。