音频开发 / 知识点
FFmpeg 音频处理命令速查
信息探测与基础处理
ffmpeg -i <input>快速查看输入文件的时长、音频流、编码器、采样率和声道等基础信息;适合转码前确认源文件参数,不会生成输出文件。
查看媒体音频信息
在转码、重采样或提取音频前,需要先确认源文件实际包含什么流时使用。ffmpeg -i <input> 会解析输入并输出容器、时长、音频编码、采样率和声道等信息;因为没有指定输出文件,它只用于查看,不会生成新媒体文件。
基本语法
ffmpeg -i <input><input> 可以是 FFmpeg 当前构建支持的本地媒体文件或其他输入源。常见音频信息位于 Stream 行,容器级时长通常位于 Duration 行。
读取关键字段
重点检查以下内容:
Duration:媒体总时长;直播流或部分特殊输入可能没有可用时长。Audio:音频编码格式,例如 AAC、Opus、FLAC 或 PCM;具体名称取决于输入和 FFmpeg 构建。Hz:采样率,例如44100 Hz或48000 Hz。- 声道描述:例如
mono、stereo或具体声道布局。 Stream #0:<ID>:流编号;多音轨文件可能出现多个音频流,实际<ID>会随文件变化。
常用示例
前置条件是当前目录存在可读取的 input.wav:
ffmpeg -hide_banner -i input.wav预期结果:终端会显示 input.wav 的输入信息,其中可找到类似 Duration: 和 Stream #0:<ID>: Audio: 的行。末尾通常还会提示未指定输出文件,这是只探测输入时的正常现象;具体版本文字可能不同。
Input #0, wav, from 'input.wav':
Duration: <TIME>, ...
Stream #0:<ID>: Audio: <CODEC>, <SAMPLE_RATE> Hz, <CHANNELS>, ...
...
At least one output file must be specified<TIME>、<ID>、<CODEC>、<SAMPLE_RATE> 和 <CHANNELS> 均由实际文件决定。
边界与排查
这条命令输出的是 FFmpeg 面向终端的诊断信息,不适合作为稳定的机器解析接口。脚本若需要固定字段或结构化结果,应改用 ffprobe。
ffmpeg -i <input> -map 0:a:0 -c:a copy <output>从包含视频的媒体中只保留指定音频流并直接复制编码数据;适合快速抽取已有音频,要求目标容器支持源编码格式。
仅提取音频流
需要从视频或多流媒体中快速取出第一条音频轨,并且不想重新编码时使用。-map 0:a:0 精确选择第一个输入的第一条音频流,-c:a copy 直接复制压缩数据,因此速度快且不会产生重新编码损失。
基本语法
ffmpeg -i <input> -map 0:a:0 -c:a copy <output>-map 0:a:0:选择输入编号0中的第一条音频流;这里最后一个0是音频流内部的序号,不等同于完整的Stream #0:<ID>编号。-c:a copy:不解码、不重新编码音频,只把原有音频数据重新封装到输出容器。<output>:扩展名决定目标容器,必须能够容纳源音频编码。
提取并验证
前置条件是 input.mp4 至少包含一条音频流,并且第一条音频流的编码能够写入 M4A 容器:
ffmpeg -hide_banner -i input.mp4 -map 0:a:0 -c:a copy output.m4a
ffmpeg -hide_banner -i output.m4a预期结果:第一条命令的流映射只包含音频,并生成 output.m4a;第二条命令中应只看到音频流,不再出现视频流。由于使用流复制,输出音频的编码、采样率和声道等编码属性应保持与所选源音轨一致。
Stream mapping:
Stream #0:<ID> -> #0:0 (copy)
...
Input #0, mov,mp4,m4a,..., from 'output.m4a':
Stream #0:0: Audio: <CODEC>, <SAMPLE_RATE> Hz, <CHANNELS>, ...<ID>、<CODEC>、<SAMPLE_RATE> 和 <CHANNELS> 取决于实际输入文件;FFmpeg 版本不同也可能改变容器名称和日志排版。
常见失败与恢复
如果输入没有音频流,-map 0:a:0 会因为找不到匹配流而失败。先用 ffmpeg -i input.mp4 确认实际音频流,再决定要提取哪一条。
如果出现目标容器不支持源编码之类的封装错误,不要继续使用 -c:a copy 强行写入当前扩展名。可以换成兼容该编码的容器;如果必须得到指定格式,则需要显式选择对应音频编码器进行转码。
ffmpeg -i <input> <output>通过输出文件扩展名选择目标容器并重新封装或编码;适合 WAV、M4A、MP3 等常见格式转换,具体编码器由输出格式和参数决定。
音频容器格式转换
需要把音频保存为另一种常见格式时使用。FFmpeg 会根据输出文件扩展名选择输出格式;是否只重新封装还是重新编码,还取决于源音频编码、目标容器以及是否显式指定 -c 等参数。
基本语法
ffmpeg -i <input> <output><input>:输入音频文件路径。<output>:输出文件路径,扩展名通常用于确定目标封装格式。- 未指定编码器时,FFmpeg 会按输出格式和当前构建可用的编码器选择默认方案,因此不要仅凭扩展名假定最终编码参数。
常用示例
假设当前目录存在 input.wav,且不存在 output.m4a:
ffmpeg -hide_banner -loglevel error -i input.wav output.m4a && test -s output.m4a && echo "output.m4a created"预期输出:转换成功并生成非空文件时,终端输出:
output.m4a created实际编码器、采样率和码率可能因输入文件、FFmpeg 构建和默认编码策略不同而变化。
重新封装与重新编码
如果源编码可以直接放入目标容器,并且只想更换容器,可显式尝试流复制:
ffmpeg -hide_banner -loglevel error -i input.m4a -c copy output.mp4 && test -s output.mp4 && echo "output.mp4 created"预期输出:目标容器接受原音频流且重新封装成功时输出:
output.mp4 created-c copy 不重新编码,因此速度快且不会产生新的有损编码损失;如果目标容器不支持源编码,命令会失败,此时需要选择兼容的编码器重新编码。
风险与边界
默认情况下,如果输出文件已经存在,FFmpeg 通常会询问是否覆盖,自动化任务可能因此停住。需要明确覆盖时使用 -y,需要明确拒绝覆盖时可使用 -n。格式转换也不等于无损转换:从一种有损编码重新编码到另一种有损编码可能进一步降低质量。
ffmpeg -y -i <input> <output>无提示直接覆盖已存在的输出文件;适合自动化脚本和批处理,但会删除原有目标文件,生产环境应确认输出路径无误。
覆盖输出文件
批处理或无人值守脚本中,确认目标文件可以被替换时使用 -y。它让 FFmpeg 不再等待覆盖确认,适合自动化,但原目标文件一旦被打开覆盖,就不能依赖 FFmpeg 自动恢复旧内容。
基本语法
ffmpeg -y -i <input> <output>-y:对已有输出文件直接执行覆盖,不询问确认。<input>:输入媒体文件。<output>:目标文件;路径写错时可能覆盖不应修改的文件。
如果希望已有文件存在时直接失败而不是覆盖,可改用 -n,不要同时依赖交互式确认。
常用示例
假设 input.wav 有效、当前 FFmpeg 构建具备可用的 MP3 编码器,并且 output.mp3 已存在:
ffmpeg -hide_banner -loglevel error -y -i input.wav output.mp3 && test -s output.mp3 && echo "output.mp3 replaced"预期输出:编码成功且新目标文件非空时,终端输出:
output.mp3 replaced-hide_banner -loglevel error 只用于减少示例中的非错误日志,不改变 -y 的覆盖语义。实际生成文件的编码参数仍取决于输入、输出格式和当前 FFmpeg 构建。
风险与恢复
-y 不提供撤销机制。若覆盖过程失败,旧目标文件也可能已经被截断或替换,因此不能把失败后的目标文件当作原文件恢复。
对不可丢失的产物,更稳妥的做法是先写入临时文件,验证成功后再替换正式文件:
ffmpeg -hide_banner -loglevel error -i input.wav output.tmp.mp3 && test -s output.tmp.mp3 && mv -f output.tmp.mp3 output.mp3 && echo "output.mp3 replaced safely"预期输出:编码、非空检查和最终替换全部成功时输出:
output.mp3 replaced safely这种方式能避免编码失败时立即破坏原目标文件,但最终 mv -f 仍会替换正式文件。跨文件系统移动、权限限制或平台差异可能影响替换行为,生产脚本应结合实际运行环境验证。
编码与格式转换
ffmpeg -i <input> -c:a aac -b:a <bitrate> <output>将输入音频编码为 AAC 并指定目标码率;适合 MP4、M4A 和实时音视频常见场景,实际质量还取决于采样率、声道和编码器实现。
使用 AAC 编码音频
需要把 WAV、FLAC 或其他可解码音频转成 AAC,并明确控制目标码率时使用。执行后得到 AAC 音频;输出到 .m4a 或 MP4 类容器时,适合常见播放器、移动端和音视频链路继续处理。
基本语法
ffmpeg -i <input> -c:a aac -b:a <bitrate> <output>-i <input>:输入文件;FFmpeg 会先解码其中可用的音频流。-c:a aac:指定 FFmpeg 的 AAC 音频编码器。-b:a <bitrate>:设置目标音频码率,例如96k、128k、192k。码率越高通常保留更多细节,同时文件更大。<output>:输出文件。需要 M4A 时使用.m4a;容器还必须与所选编码器兼容。
常用示例
把 input.wav 编码为 128 kbit/s AAC,并写入 M4A 容器:
ffmpeg -i input.wav -c:a aac -b:a 128k output.m4a
ffprobe -v error -select_streams a:0 -show_entries stream=codec_name -of default=noprint_wrappers=1:nokey=1 output.m4a预期结果:
aacffmpeg 的进度日志会随输入时长、版本和构建参数变化;验证时以 ffprobe 返回的音频编码格式为准。若还要确认实际码率,可额外读取流信息,但编码后的统计码率不一定与目标值逐比特完全相等。
质量与边界
AAC 是有损编码。若输入本身已经是 AAC、MP3 等有损音频,再次编码会产生额外质量损失;只为更换容器且编码格式本身兼容时,应优先考虑流复制,而不是重新编码。
如果输入文件同时包含视频,而目标只需要音频,可在实际命令中显式加入 -vn,避免把视频流纳入处理。目标码率也不应脱离采样率、声道数和用途单独判断;语音与音乐通常需要不同取舍。
失败与恢复
若出现 Unknown encoder 'aac',先用当前 FFmpeg 构建检查可用编码器,不要假设所有安装包都包含相同能力:
ffmpeg -hide_banner -encoders 2>/dev/null | awk '$2=="aac" {print $2}'预期结果:
aac若没有任何输出,当前构建未列出名为 aac 的编码器,需要更换或重新安装具备相应编码能力的 FFmpeg 构建。原始输入文件不会因为编码失败被修改,修正环境或参数后重新执行即可。
ffmpeg -i <input> -c:a libmp3lame -b:a <bitrate> <output>将输入音频重新编码为 MP3 并设置码率;适合兼容性优先的分发场景,注意有损重编码会再次引入质量损失。
使用 MP3 编码音频
需要把 WAV、FLAC 等音频转成兼容性较好的 MP3,并通过固定目标码率控制体积与质量时使用。这里使用 libmp3lame 编码器,输出文件可直接交给常见播放器或后续分发流程。
基本语法
ffmpeg -i <input> -c:a libmp3lame -b:a <bitrate> <output>-i <input>:指定输入文件。-c:a libmp3lame:使用 LAME MP3 编码器。当前 FFmpeg 构建必须包含该编码器。-b:a <bitrate>:设置目标音频码率,例如128k、192k、256k。<output>:输出文件;本条目使用.mp3,避免容器与编码格式不匹配。
常用示例
把 input.wav 编码为 192 kbit/s MP3,并在完成后读取实际音频编码格式:
ffmpeg -i input.wav -c:a libmp3lame -b:a 192k output.mp3
ffprobe -v error -select_streams a:0 -show_entries stream=codec_name -of default=noprint_wrappers=1:nokey=1 output.mp3预期结果:
mp3FFmpeg 的转码速度、文件大小和日志内容取决于输入时长、采样率、声道数与版本;验证是否成功时,优先确认命令退出状态、输出文件存在,并用 ffprobe 检查编码格式。
质量与边界
MP3 是有损编码。把已经是 MP3、AAC 等有损格式的文件再次转成 MP3,会叠加编码损失;若源文件已经满足格式和码率要求,不应仅为了“重新导出”而重复转码。
-b:a 192k 表示目标码率,不代表所有帧或最终统计值都必须精确等于 192000 bit/s。若更关心质量而不是固定码率,应另行选择适合的质量控制模式,不要把不同模式的参数混用。
失败与恢复
libmp3lame 是否可用取决于 FFmpeg 的构建。遇到 Unknown encoder 'libmp3lame' 时先检查编码器列表:
ffmpeg -hide_banner -encoders 2>/dev/null | awk '$2=="libmp3lame" {print $2}'预期结果:
libmp3lame若没有任何输出,当前构建未列出 libmp3lame 编码器,需要安装包含该编码器的 FFmpeg 构建,再重新执行转码。编码失败不会覆盖原始输入;若目标文件已产生但转码中断,应删除不完整输出后再重试。
ffmpeg -i <input> -c:a flac <output>将音频编码为 FLAC 无损格式并保留采样值信息;适合归档、编辑和中间素材处理,不适合追求极小文件体积的分发场景。
输出 FLAC 无损音频
需要把解码后的音频样本以无损压缩形式保存时使用。显式指定 flac 编码器后,可得到适合归档、后续编辑或中间素材传递的 FLAC 文件,并可用 ffprobe 确认实际音频编码。
基本语法
ffmpeg -i <input> -c:a flac <output><input>:FFmpeg 能读取的输入音频或包含音频流的媒体文件。-c:a flac:将输出音频流交给 FLAC 编码器进行无损压缩。<output>:通常使用.flac扩展名,使输出容器与编码格式保持明确。
编码行为
FLAC 的“无损”指编码和解码过程能够恢复送入 FLAC 编码器的音频样本。它不会把已经经过 MP3、AAC 等有损编码丢失的信息恢复回来,也不会撤销此前发生的重采样、滤镜处理或音量变换。
仅使用这条命令时,FFmpeg 会依据输入流和编码器能力处理音频;如果任务要求固定采样率、声道数或其他属性,应另外显式指定相应参数,而不要仅凭 .flac 扩展名推断。
转换并验证
下面将 WAV 转为 FLAC,再读取输出流的编码器名称。执行前应确保 output.flac 不会覆盖需要保留的已有文件。
ffmpeg -hide_banner -loglevel error -i input.wav -c:a flac output.flac
ffprobe -v error -select_streams a:0 -show_entries stream=codec_name -of default=noprint_wrappers=1:nokey=1 output.flac预期输出:转换成功且文件可正常解析时,ffprobe 返回音频编码名称。
flac风险与边界
FLAC 通常比未压缩 PCM 节省空间,但文件体积仍可能明显大于 MP3、AAC 等有损格式,因此不适合只追求极小传输体积的场景。若输出文件已经存在,FFmpeg 可能要求确认是否覆盖;自动化脚本中只有在明确允许覆盖时才应额外使用 -y。
ffmpeg -i <input> -c:a pcm_s16le <output>将音频输出为 16 位小端 PCM WAV;适合算法处理、调试和与传统音频接口对接,输出体积通常显著高于有损编码格式。
输出 PCM WAV
需要得到结构简单、便于算法读取或传统音频接口处理的 16 位 PCM WAV 时使用。pcm_s16le 明确指定有符号 16 位小端 PCM 编码,可通过 ffprobe 验证输出流是否符合要求。
基本语法
ffmpeg -i <input> -c:a pcm_s16le <output><input>:FFmpeg 能解码的音频或包含音频流的媒体文件。-c:a pcm_s16le:输出有符号 16 位、小端字节序的线性 PCM 音频。<output>:通常使用.wav,由 WAV 容器保存 PCM 数据及采样率、声道数等描述信息。
输出属性
pcm_s16le 固定的是 PCM 样本格式和字节序,并不等于固定采样率或声道数。若下游接口要求例如 48 kHz、单声道,应另外使用 -ar、-ac 等参数明确约束,不能只依赖编码器名称。
把 MP3、AAC 等有损源转为 PCM 只会得到解码后的 PCM 数据,不会恢复原编码阶段已经丢失的声音信息。若输入原本具有高于 16 位的有效精度,转换到 pcm_s16le 也会把输出限制为 16 位。
转换并验证
下面把 MP3 解码成 16 位 PCM WAV,再检查实际编码名称。执行前应确保 output.wav 不会覆盖需要保留的文件。
ffmpeg -hide_banner -loglevel error -i input.mp3 -c:a pcm_s16le output.wav
ffprobe -v error -select_streams a:0 -show_entries stream=codec_name -of default=noprint_wrappers=1:nokey=1 output.wav预期输出:转换成功且 WAV 中保存的是目标 PCM 编码时,ffprobe 返回以下名称。
pcm_s16le风险与边界
PCM WAV 基本不依赖有损压缩,因此便于逐样本处理,但文件体积通常较大。长音频或批量处理中应提前评估磁盘占用;若下游还要求确定的采样率和声道布局,应显式补充对应参数并再次用 ffprobe 检查。
ffmpeg -i <input> -ar <sample_rate> <output>重新采样到指定采样率;适合统一音频处理链路或满足编码器输入要求,实际转换质量受重采样器与输入输出格式影响。
固定音频采样率
需要把不同来源的音频统一到指定采样率,或满足后续编码器、实时通信链路的输入要求时使用 -ar。它会让 FFmpeg 对输出音频进行重采样,而不是只修改文件中的采样率标记。
基本语法
ffmpeg -i <input> -ar <sample_rate> <output><sample_rate> 使用 Hz,例如 48000 表示 48 kHz。-ar 放在输出文件之前时作为输出选项生效;目标编码器或封装格式必须支持所选采样率。
常用示例
下面把 WAV 音频转换为 48 kHz:
ffmpeg -i input.wav -ar 48000 output.wav
ffprobe -v error -select_streams a:0 -show_entries stream=sample_rate -of default=noprint_wrappers=1:nokey=1 output.wav预期输出:第二条命令读取输出音频流的实际采样率,应得到:
48000FFmpeg 转换过程中的时间、码率、速度等日志属于动态值,实际显示可能不同,应以 ffprobe 的检测结果确认是否生效。
使用边界
从 44.1 kHz 转为 48 kHz 等操作会执行真实重采样,不能增加原始录音中不存在的高频信息。多次往返重采样还可能累积误差,因此处理链路通常应尽早确定统一采样率,并尽量只转换一次。
恢复方式
-ar 只影响新生成的输出文件,不会修改输入文件。采样率设置错误时删除错误输出,使用正确的采样率重新执行即可;不要把再次重采样后的文件当作原始素材继续反复转换。
ffmpeg -i <input> -ac <channels> <output>将音频重新映射为指定声道数量,例如单声道或双声道;适合语音处理和播放兼容场景,声道变换会改变最终空间信息。
固定音频声道数
需要把音频统一为单声道、双声道等指定声道数量时使用 -ac。常见场景包括把立体声语音降为单声道以简化后续处理,或按播放器、编码器的输入要求统一输出规格。
基本语法
ffmpeg -i <input> -ac <channels> <output><channels> 是输出声道数量,例如 1 表示单声道,2 表示双声道。该选项不仅修改元数据;当输入与目标声道数不同时,FFmpeg 会执行声道混合或映射。
常用示例
下面把输入音频转换为单声道,并用 ffprobe 验证结果:
ffmpeg -i input.wav -ac 1 output.wav
ffprobe -v error -select_streams a:0 -show_entries stream=channels -of default=noprint_wrappers=1:nokey=1 output.wav预期输出:检测结果应显示输出音频流只有一个声道:
1FFmpeg 转换日志中的时长、码率、速度等值会随文件和运行环境变化,因此不应依赖日志文本判断声道转换是否成功。
声道变化的影响
从双声道降为单声道会把多个输入声道混合到更少的输出声道,原有左右空间信息无法在结果文件中完整保留。反过来把单声道设为两个声道,也不会凭空恢复真实的立体声空间信息。
如果需要精确控制某个输入声道进入哪个输出声道,或需要自定义混音比例,仅使用 -ac 不够,应改用显式音频滤镜完成声道映射。
恢复方式
-ac 只写入新的输出文件,不会修改输入文件。声道数设置错误时应回到原始输入重新转换;已经降为单声道的输出无法仅通过设置 -ac 2 恢复原来的左右声道内容。
ffmpeg -i <input> -ar <sample_rate> -ac <channels> <output>一次统一采样率和声道布局;适合进入固定音频处理管线前做标准化,常用于实时通信、语音识别和音频特征提取前处理。
同时设置采样率与声道
当下游要求固定采样率和声道数时使用,例如把来源各异的音频统一成 48 kHz 单声道。-ar 控制输出采样率,-ac 控制输出声道数;必要时 FFmpeg 会执行重采样以及声道混合。
基本语法
ffmpeg -i <input> -ar <sample_rate> -ac <channels> <output>-i <input>:输入音频或包含音频流的媒体文件。-ar <sample_rate>:输出采样率,单位 Hz,例如48000、16000。-ac <channels>:输出声道数量,1表示单声道,2表示双声道。<output>:输出路径;最终编码格式还会受到文件扩展名和 FFmpeg 编码器选择的影响。
常用示例
下面把 WAV 文件统一为 48 kHz 单声道,再读取输出流参数确认转换结果。
ffmpeg -i input.wav -ar 48000 -ac 1 output.wav
ffprobe -v error -select_streams a:0 -show_entries stream=sample_rate,channels -of default=noprint_wrappers=1 output.wav预期输出:
sample_rate=48000
channels=1FFmpeg 转换阶段还会输出版本、输入流、输出流和进度日志,具体文本随版本和文件内容变化;验证标准应以 ffprobe 显示的采样率和声道数为准。
风险与边界
降低采样率会丢弃超过新奈奎斯特频率范围的信息;多声道转单声道还会发生混音,因此这不是无损的“改标签”操作。若后续系统还要求固定编码器、位深或码率,应另外显式设置相应编码参数,不能只依赖 -ar 和 -ac。
ffmpeg -i <input> -c:a copy <output>直接复制音频压缩数据而不重新编码;适合仅需改变容器或抽取音频的场景,可避免代价与质量损失,但目标容器必须兼容源编码。
复制音频编码数据
只需要重新封装音频、而不希望解码再编码时使用。-c:a copy 会把选中的音频压缩数据直接写入目标容器,因此速度通常更快,也不会产生有损编码造成的额外质量损失。
基本语法
ffmpeg -i <input> -c:a copy <output>-i <input>:输入媒体文件。-c:a copy:对音频流使用 stream copy,不调用音频编码器重新编码。<output>:目标容器;它必须能够封装源音频编码,否则写入会失败。
常用示例
复制 M4A 中已有的音频编码数据,并分别读取输入与输出的编码名称进行验证。
ffmpeg -i input.m4a -c:a copy output.m4a
ffprobe -v error -select_streams a:0 -show_entries stream=codec_name -of default=noprint_wrappers=1 input.m4a
ffprobe -v error -select_streams a:0 -show_entries stream=codec_name -of default=noprint_wrappers=1 output.m4a预期结果:两个 ffprobe 命令显示相同的 codec_name;具体值取决于 input.m4a 中原有的音频编码,例如源文件为 AAC 时两次都会显示 codec_name=aac。
codec_name=<CODEC>
codec_name=<CODEC>文件大小、容器头、时间戳或元数据可能因重新封装而变化,因此不能用两个文件的哈希值相同来判断是否发生了重编码。
风险与恢复
stream copy 不能改变采样率、声道数、码率或编码格式;需要这些变化时必须重新编码。若命令提示目标容器不支持当前编码,应改用兼容容器,或移除 copy 并显式选择目标音频编码器。
剪辑与拼接
ffmpeg -i <input> -ss <start> -t <duration> <output>从指定时间开始截取固定时长的音频;适合素材切片和测试样本生成,重编码模式下时间精度通常比单纯流复制更可控。
按时间截取音频
当已经知道片段的开始时间和持续时长时使用。-ss 指定起点,-t 指定从该起点继续输出多久,适合生成固定长度的测试音频、语音样本或素材片段。
基本语法
ffmpeg -i <input> -ss <start> -t <duration> <output><input>:输入音频或包含音频流的媒体文件。-ss <start>:开始截取的时间,例如00:00:10。-t <duration>:输出持续时长,例如00:00:05表示截取 5 秒。<output>:输出文件;扩展名会参与输出格式和编码器选择。
这里把 -ss 放在 -i 之后,FFmpeg 会在输出侧处理起点。未指定 -c copy 时通常会重新编码,截取边界比直接流复制更容易控制,但处理速度和 CPU 开销也会更高。
截取并验证
下面要求 input.wav 至少包含前 15 秒音频,从第 10 秒开始截取 5 秒,再用 ffprobe 读取输出时长。
ffmpeg -i input.wav -ss 00:00:10 -t 00:00:05 output.wav
ffprobe -v error -show_entries format=duration -of default=noprint_wrappers=1:nokey=1 output.wav预期结果:生成 output.wav,对于普通 PCM WAV 输入,时长读数应为约 5 秒。
5.000000不同编码格式可能因时间基、编码器延迟或帧边界出现轻微差异,因此验证时应以实际输出文件为准。
风险与边界
如果 <start> 已超过输入文件末尾,可能得到空输出或无法获得有效音频。已有同名输出文件时,FFmpeg 默认会询问是否覆盖;批处理前应确认目标路径,避免误覆盖文件。
不要为了提速直接加上 -c copy 并假定仍有相同的截取精度。流复制不重新编码,实际边界会受输入封装、数据包和时间戳影响;需要稳定测试样本时,应优先验证生成文件的实际时长和起点。
ffmpeg -i <input> -ss <start> -to <end> <output>从开始时间截取到指定结束时间;适合按时间区间切片,使用时应确认起止时间关系,输出仍会受编码和时间基影响。
截取到指定结束时间
当素材区间已经用明确的开始时间和结束时间标注时使用。-ss 给出起点,-to 给出停止时间,比先手工计算持续时长更适合按时间轴区间直接切片。
基本语法
ffmpeg -i <input> -ss <start> -to <end> <output><input>:输入媒体文件。-ss <start>:开始截取的时间点。-to <end>:停止输出的时间点,必须晚于开始时间才能得到有效区间。<output>:输出文件,格式和编码行为还会受到文件扩展名及其他编码选项影响。
在给出的命令结构中,-ss 00:00:10 -to 00:00:20 表示保留第 10 秒到第 20 秒之间的内容,目标片段长度约为 10 秒。
按区间截取并验证
下面要求 input.wav 至少包含前 20 秒音频。命令截取 10 秒到 20 秒区间,然后读取输出文件的实际持续时间。
ffmpeg -i input.wav -ss 00:00:10 -to 00:00:20 output.wav
ffprobe -v error -show_entries format=duration -of default=noprint_wrappers=1:nokey=1 output.wav预期结果:生成 output.wav,对于普通 PCM WAV 输入,时长读数应为约 10 秒。
10.000000压缩音频重新编码时可能存在编码器延迟或时间基舍入,因此其他格式的读数不一定恰好等于整数秒。
选择结束时间还是持续时长
已知明确区间,例如 10 秒到 20 秒时,使用 -to 更直接;已知起点和片段长度,例如从 10 秒开始取 5 秒时,使用 -t 更清楚。不要同时依赖 -t 和 -to 表达两个不同的停止条件,以免命令含义变得难以判断。
风险与恢复
执行前确认 <end> 晚于 <start>,并确认输入文件覆盖整个目标区间。若结果长度异常,先用 ffprobe 检查输入和输出持续时间,再核对起止参数以及是否额外使用了 -c copy、时间戳处理或其他裁剪选项。
如果输出文件已存在,FFmpeg 默认会询问是否覆盖。误选区间不会修改输入文件,可删除错误输出后调整 -ss 与 -to 重新生成。
ffmpeg -f concat -safe 0 -i <list_file> -c copy <output>按 concat 列表顺序拼接多个兼容音频文件并尽量直接复制编码数据;适合格式参数一致的素材,文件属性不一致时应先标准化。
拼接多个同格式音频
需要把多段编码、采样参数兼容的音频按固定顺序无损拼接时使用 concat demuxer。-c copy 直接复制音频数据,避免重新编码;素材参数不一致时应先统一格式再拼接。
基本语法
ffmpeg -f concat -safe 0 -i <list_file> -c copy <output><list_file> 是 concat 列表文件,每行使用 file '<path>' 指定一个输入文件,顺序就是输出顺序。-safe 0 允许列表中使用 concat 默认安全规则之外的路径;列表只包含普通相对文件名时通常不必放宽该限制。
关键条件
使用 -c copy 时,各片段应具有兼容的流结构和编码参数,例如音频编码、采样率、声道布局等保持一致。若 FFmpeg 报时间戳、编解码参数或封装兼容性错误,先把素材转成统一参数,再执行拼接。
可验证示例
下面先生成两段各 1 秒的 WAV,再创建列表并直接拼接,最后读取输出时长:
ffmpeg -y -f lavfi -i "sine=frequency=440:duration=1" part1.wav
ffmpeg -y -f lavfi -i "sine=frequency=880:duration=1" part2.wav
printf "%s\n" "file 'part1.wav'" "file 'part2.wav'" > inputs.txt
ffmpeg -y -f concat -safe 0 -i inputs.txt -c copy output.wav
ffprobe -v error -show_entries format=duration -of default=noprint_wrappers=1:nokey=1 output.wav预期输出:最后一条命令读取到约 2 秒的总时长;不同 FFmpeg 版本可能显示不同的小数位数。
2.000000风险与恢复
不要把参数不同的文件强行用 -c copy 拼接,否则可能直接失败,或得到时间戳和播放行为异常的文件。失败时保留原始片段,先将它们转码为一致的编码、采样率和声道参数,再重新生成列表执行拼接。
ffmpeg -stream_loop -1 -i <input> -t <duration> <output>循环输入音频并限制总输出时长;适合生成背景音、测试素材和持续播放源,必须设置终止条件避免脚本无限运行。
循环播放音频素材
需要把一段有限长度的音频重复到指定总时长时使用 -stream_loop。将循环次数设为 -1 表示持续循环,因此通常必须同时设置 -t 或其他明确终止条件。
基本语法
ffmpeg -stream_loop -1 -i <input> -t <duration> <output>-stream_loop -1 必须作为输入选项放在对应的 -i 之前;-t <duration> 限制最终输出时长,例如 00:01:00 表示 1 分钟。
可验证示例
下面生成一段 2 秒的测试音频,将它循环为 5 秒,并读取最终时长:
ffmpeg -y -f lavfi -i "sine=frequency=440:duration=2" music.wav
ffmpeg -y -stream_loop -1 -i music.wav -t 00:00:05 output.wav
ffprobe -v error -show_entries format=duration -of default=noprint_wrappers=1:nokey=1 output.wav预期输出:output.wav 总时长约为 5 秒;不同 FFmpeg 版本可能显示不同的小数位数。
5.000000风险与恢复
省略 -t 等终止条件时,-stream_loop -1 会让输入持续循环,批处理任务可能长期运行并不断产生输出。发现误启动后可终止 FFmpeg 进程并删除未完成的输出文件,再补充明确的输出时长重新执行。
音量与动态处理
ffmpeg -i <input> -af volume=<volume> <output>使用 volume 滤镜整体放大或衰减音量;适合简单增益调整,建议结合峰值或响度测量避免放大后产生削波失真。
调整整体音量
需要让整段音频统一变响或变轻时使用 volume 滤镜。1 表示保持原幅度,低于 1 会衰减,高于 1 会放大;它适合固定增益调整,不会自动判断目标响度或防止削波。
基本语法
ffmpeg -i <input> -af volume=<volume> <output><input>:输入音频或包含音频流的媒体文件。<volume>:线性音量倍率,例如0.5表示把样本幅度缩小到原来的约一半,1.5表示放大到约 1.5 倍。<output>:处理后的输出文件;具体编码格式通常由扩展名和 FFmpeg 的格式选择决定。
常用示例
ffmpeg -i input.wav -af volume=0.5 output.wav预期结果:生成 output.wav,音频样本幅度约为输入的 50%,整体音量降低;FFmpeg 控制台中的时长、码率和处理速度等动态值会随输入文件与环境变化。
风险与恢复
该命令默认生成新文件,不需要修改原始音频。若目标是达到指定响度而不是简单乘以固定倍率,应改用响度测量和标准化流程。
ffmpeg -i <input> -af volume=<decibels>dB <output>以分贝形式控制增益变化,比使用倍率更直观;适合工程调音和处理链参数配置,正增益可能导致峰值超过可表示范围。
按分贝调整音量
需要按工程中常用的分贝值直接设置固定增益时使用 volume=<decibels>dB。负值衰减、正值放大,0dB 保持不变;这种写法比手动换算线性倍率更适合调音参数和处理链配置。
基本语法
ffmpeg -i <input> -af volume=<decibels>dB <output><decibels>:增益的分贝值,例如-6、-3、0或3。- 负分贝表示衰减,正分贝表示增益;约
-6dB对应样本幅度缩小到原来的约一半。 - 该滤镜执行固定增益,不会自动根据峰值或节目响度调整参数。
常用示例
ffmpeg -i input.wav -af volume=-6dB output.wav预期结果:生成 output.wav,整段音频衰减约 6 dB,样本幅度约为处理前的一半;FFmpeg 输出中的时长、码率和处理速度等动态值可能不同。
风险与边界
固定分贝调整不会把不同素材自动拉到相同听感响度。需要满足广播、流媒体或节目响度目标时,应使用响度测量与标准化方案,而不是只依赖一个固定 dB 值。
ffmpeg -i <input> -af loudnorm=<options> <output>使用 loudnorm 滤镜执行响度标准化处理;适合播客、媒体分发和节目音量统一,参数应依据目标响度、峰值和动态需求设置。
使用 loudnorm 统一节目响度
当多个音频文件听感音量不一致,或交付规范要求目标综合响度、真峰值和响度范围时使用 loudnorm。它执行的是基于 EBU R128 的响度标准化,不是简单把最高采样峰值拉到同一位置。
基本语法
ffmpeg -i <input> -af loudnorm=<options> <output>常用参数中,I 指定目标综合响度,单位为 LUFS;TP 指定允许的目标真峰值,单位为 dBTP;LRA 指定目标响度范围,单位为 LU。参数应根据实际发布平台或制作规范确定,不应机械复用同一组目标值。
常用示例
下面将综合响度目标设为 -16 LUFS,真峰值目标设为 -1.5 dBTP,响度范围目标设为 11 LU:
ffmpeg -hide_banner -loglevel error -i input.wav -af loudnorm=I=-16:TP=-1.5:LRA=11 output.wav
ffmpeg -hide_banner -i output.wav -af loudnorm=print_format=summary -f null - 2>&1 | grep -E "Input Integrated|Input True Peak|Input LRA"预期结果:第一条命令成功后生成 output.wav;第二条命令读取处理后的文件并打印实际测量结果。具体数值取决于输入音频和编码过程,不应预先假定恰好等于目标值。
Input Integrated: <MEASURED_I> LUFS
Input True Peak: <MEASURED_TP> dBTP
Input LRA: <MEASURED_LRA> LU风险与边界
单次 loudnorm 处理适合快速标准化,但严格交付场景应先测量素材,再根据测量值执行二次处理并复核最终文件。TP 是真峰值约束,不等同于普通采样峰值;只关心防削波时,不应把 loudnorm 当作限制器使用。
ffmpeg -i <input> -af alimiter=<options> <output>使用限制器压制瞬时峰值,降低增益过高造成的削波风险;适合最终输出保护和简单动态控制,不能替代完整的混音处理。
使用 alimiter 压制瞬时峰值
当增益、混音或前级处理可能产生过高瞬时峰值时,可用 alimiter 在输出前增加限制保护。它主要控制超过阈值的峰值,不能修复已经发生的数字削波,也不能替代完整的压缩、响度管理或混音处理。
基本语法
ffmpeg -i <input> -af alimiter=<options> <output>limit 使用线性幅度值设置限制阈值,例如 0.95 表示把限制器阈值放在满幅以下。attack 和 release 分别影响限制器进入与退出增益衰减的速度;只有确实需要调整瞬态响应时才应修改。
常用示例
如果目标是明确把输出峰值限制在 0.95 的线性幅度附近,可同时关闭自动电平补偿,避免限制后又把整体电平提升回去:
ffmpeg -hide_banner -loglevel error -i input.wav -af alimiter=limit=0.95:level=false output.wav
ffmpeg -hide_banner -i output.wav -af astats=metadata=1:reset=0 -f null - 2>&1 | grep "Peak level dB"预期结果:第一条命令成功生成 output.wav;第二条命令输出测得的峰值电平。实际结果会受输入素材、滤镜设置和后续编码影响,因此应以测量值为准。
Peak level dB: <MEASURED_PEAK_DB>风险与恢复
alimiter=limit=0.95 的行为还会受 level 自动电平选项影响;需要把限制阈值直接作为最终峰值上限时,应显式设置 level=false 并复测输出。限制器只能处理进入滤镜时仍可恢复的过高峰值,源文件中已经被截平的波形不会因此恢复。