音频开发 / 知识点
FFmpeg 音频处理命令速查
声道与音频布局
ffmpeg -i <input> -af "pan=stereo|c1=c0|c0=c1" <output>交换立体声左右声道内容;适合排查声道接反、设备映射错误等问题,输入需要具备可用的双声道布局。
左右声道互换
发现耳机、录音设备或导出文件的左右声道内容接反时使用。pan 滤镜可以显式把输入左声道送到输出右声道,同时把输入右声道送到输出左声道,不改变声道数量。
基本语法
ffmpeg -i <input> -af "pan=stereo|c1=c0|c0=c1" <output>stereo 指定输出为双声道布局;c1=c0 把输入声道 0 写入输出声道 1,c0=c1 则把输入声道 1 写入输出声道 0。这里交换的是声道内容,而不是简单修改布局标签。
使用与验证
先确认输入确实具有两个可用声道,再执行交换并检查输出布局:
ffmpeg -i input.wav -af "pan=stereo|c1=c0|c0=c1" output.wav
ffprobe -v error -select_streams a:0 -show_entries stream=channels,channel_layout -of default=nw=1 output.wav预期输出:输出仍为两个声道,常见立体声文件会显示类似以下结果;不同封装或编码器的布局字段展示可能不同。
channels=2
channel_layout=stereoffprobe 只能确认声道数量和布局,不能证明左右内容已经互换。验证内容时应使用明确的左右声道测试素材、波形编辑器或耳机分别监听两个声道。
风险与边界
输入不是标准双声道、声道布局未知或包含更多声道时,不应直接套用这个表达式,否则可能丢失未映射的声道。可先用 ffprobe 查看 channels 与 channel_layout,确认输入为预期的双声道后再转换。FFmpeg 默认会重新编码音频,因此输出编码格式还会受到文件扩展名和编码器选择影响。
ffmpeg -i <input> -ac 1 <output>把多声道音频下混为单声道;适合语音识别、电话音频和单麦克风处理,具体下混方式由 FFmpeg 的通道布局和映射规则决定。
立体声转单声道
需要为语音识别、电话音频或只接受单声道的后续处理准备素材时使用。-ac 1 要求 FFmpeg 输出一个音频声道,并由 FFmpeg 根据输入通道布局和内部混音规则完成下混。
基本语法
ffmpeg -i <input> -ac 1 <output>-ac 1 设置输出音频声道数为 1。它不是简单删除右声道;对于可识别布局的多声道输入,FFmpeg 会执行相应的声道混合。如果业务要求固定的左右声道权重,应改用 pan 等滤镜显式定义混音关系。
使用与验证
下面把立体声 WAV 转成单声道,并立即读取输出音频流的声道信息:
ffmpeg -i stereo.wav -ac 1 mono.wav
ffprobe -v error -select_streams a:0 -show_entries stream=channels,channel_layout -of default=nw=1 mono.wav预期输出:输出音频只有一个声道;常见 WAV 文件会显示类似以下结果。
channels=1
channel_layout=mono如果只看到 channels=1 而没有布局字段,也可据此确认输出已经变为单声道;字段是否显示取决于封装、编码格式以及 FFmpeg 对布局信息的识别情况。
风险与恢复
下混会把多个输入声道合成为一个声道,输出文件无法再从结果中无损恢复原来的左右独立内容,因此不要覆盖唯一的原始素材。若转换后出现音量变化、相位抵消或某些内容明显减弱,应回到原文件并用 pan 明确指定各输入声道的混合比例。FFmpeg 默认还会重新编码音频,需保留特定编码参数时应另外显式指定编码器、采样率或比特率。
ffmpeg -i <input> -ac 2 <output>把单声道音频扩展到双声道输出;适合要求立体声容器或双声道编码输入的链路,但不会凭空产生真实的空间信息。
单声道转双声道
当下游编码器、播放器或媒体规范要求双声道输入,而源文件只有一个声道时使用。-ac 2 要求 FFmpeg 输出两个音频声道;它解决的是声道数量兼容问题,不会把单声道素材变成具有真实左右空间差异的立体声录音。
基本语法
ffmpeg -i <input> -ac 2 <output><input> 是源音频或含音频流的媒体文件,<output> 是输出文件。-ac 2 设置输出音频声道数为 2;如果还指定编码器、采样率或码率,应与 -ac 2 一起放在对应输出文件之前。
常用示例
下面把 mono.wav 转为双声道 WAV,并用 ffprobe 验证输出声道数。
ffmpeg -i mono.wav -ac 2 stereo.wav
ffprobe -v error -select_streams a:0 -show_entries stream=channels -of csv=p=0 stereo.wav预期输出:验证命令输出 2,表示首个音频流包含两个声道。
2边界与风险
对于标准单声道素材,转换的主要作用是满足双声道链路要求;复制或混合到两个输出声道并不会产生原始素材中不存在的左右方向信息。如果目标是构造不同的左、右声道内容,应使用明确的声道映射或音频滤镜,而不是仅设置 -ac 2。
如果输出文件已存在,FFmpeg 可能询问是否覆盖;自动化任务应明确决定是否使用 -y 覆盖,避免误删已有结果。转换后优先用 ffprobe 检查 channels,不要只根据文件扩展名判断声道数。
ffmpeg -i <input> -map 0:a:<index> -c:a copy <output>从多音频轨道媒体中选择指定音频流输出;适合多语言、评论声道或主备音轨处理,索引从 0 开始且需先确认源流布局。
选择指定音频流
当一个媒体文件包含多条语言、评论或备用音轨,只需要其中一条时使用。-map 0:a:<index> 按输入文件 0 中音频流的相对顺序选择目标,-c:a copy 直接复制已选音频码流,避免重新编码。
基本语法
ffmpeg -i <input> -map 0:a:<index> -c:a copy <output>0:第一个输入文件。a:只在音频流中匹配。<index>:音频流内部的零基索引;0:a:0是第一条音频流,0:a:1是第二条。-c:a copy:流复制,不解码再编码,因此不会因重编码引入额外有损压缩。
常用示例
先查看源文件中的音频流,再选择第二条音频流写入 output.mka,最后确认输出确实包含音频流。
ffprobe -v error -select_streams a -show_entries stream=index,codec_name:stream_tags=language,title -of compact input.mkv
ffmpeg -i input.mkv -map 0:a:1 -c:a copy output.mka
ffprobe -v error -select_streams a:0 -show_entries stream=codec_type -of csv=p=0 output.mka预期结果:第一条命令会列出源文件的音频流,实际全局流编号、编码格式、语言和标题取决于 input.mkv;确认目标确实是第二条音频流后执行转换。最后一条验证命令应输出:
audio风险与恢复
如果源文件不足两条音频流,-map 0:a:1 无法匹配目标,命令会失败而不是自动退回第一条音轨。此时重新运行流检查命令,根据实际音频流数量修改 <index>。
-c:a copy 要求目标容器能够承载被选中的音频编码;若容器与源编码不兼容,需要改用适合目标容器的音频编码器,而不能继续强制流复制。选错音轨不会修改源文件,删除错误输出后用正确的 -map 索引重新生成即可。
混音与音频组合
ffmpeg -i <input1> -i <input2> -filter_complex "amix=inputs=2" <output>将两路或多路音频混合到同一输出流;适合旁白叠加背景音乐、提示音与节目音轨合成,混音前应检查采样率、声道和响度。
混合两路音频
需要把旁白、背景音乐等两路声音同时叠加到一个输出文件时使用 amix。两路输入会按时间轴同时参与混音,而不是前后拼接;生成后应检查时长、声道和实际响度。
基本语法
ffmpeg -i <input1> -i <input2> -filter_complex "amix=inputs=2" <output>inputs=2 表示混合两路输入。这里省略了 duration,amix 使用其默认持续时间策略;对于从相同起点开始的普通音频文件,输出会持续到最长输入结束。
常用示例
ffmpeg -i voice.wav -i music.wav -filter_complex "amix=inputs=2" output.wav
ffprobe -v error -show_entries stream=codec_type,sample_rate,channels -show_entries format=duration -of default=noprint_wrappers=1 output.wav预期结果:output.wav 可正常读取,ffprobe 显示至少一个 codec_type=audio 的音频流,并给出采样率、声道数和持续时间。实际数值由输入文件及 FFmpeg 的格式协商决定;当两路输入都从时间零开始时,持续时间应接近较长输入的时长。
codec_type=audio
sample_rate=<实际采样率>
channels=<实际声道数>
duration=<实际时长>混音前检查
如果两路音频的采样率、采样格式或声道布局不同,FFmpeg 可能在滤镜链中进行必要的格式转换。对交付规格有严格要求时,应在混音前显式统一采样率和声道,而不要只依赖自动协商。
amix 会影响各输入叠加后的电平关系。旁白加背景音乐时,如果背景音乐过响,应进一步设置输入增益或混音权重,而不是仅依靠 amix=inputs=2 获得期望的听感。
风险与恢复
混音与拼接含义不同:amix 会让两路声音同时播放,不能用于把两个文件首尾连接。执行前保留原始输入文件;如果输出的声道、采样率或响度不符合要求,删除生成的 output.wav,调整滤镜参数后重新生成即可,原输入不会被修改。
ffmpeg -i <input1> -i <input2> -filter_complex "amix=inputs=2:duration=longest" <output>混音时显式指定输出持续时间策略;适合背景音乐与语音长度不同的场景,longest、shortest 或 first 会直接影响尾部内容是否保留。
控制混音时长
两路音频长度不一致,并且需要明确决定何时结束输出时设置 amix 的 duration。它直接决定较长音轨的尾部是否保留,因此适合旁白与背景音乐长度不同的混音任务。
基本语法
ffmpeg -i <input1> -i <input2> -filter_complex "amix=inputs=2:duration=longest" <output>duration 可使用三种策略:
longest:持续到最长输入结束,适合需要保留完整背景音乐或尾音的场景。shortest:任一输入结束后即结束混音,适合要求两路声音始终同时存在的场景。first:持续时间跟随第一个输入,适合第一路音频负责定义节目时长的场景。
常用示例
ffmpeg -i voice.wav -i music.wav -filter_complex "amix=inputs=2:duration=longest" output.wav
ffprobe -v error -show_entries format=duration -of default=noprint_wrappers=1 voice.wav
ffprobe -v error -show_entries format=duration -of default=noprint_wrappers=1 music.wav
ffprobe -v error -show_entries format=duration -of default=noprint_wrappers=1 output.wav预期结果:三个 ffprobe 命令分别输出语音、音乐和混音文件的持续时间。对于从相同起点开始且没有额外时间轴处理的普通文件,duration=longest 生成的 output.wav 时长应接近两路输入中较大的值;编码或封装可能造成很小的显示差异。
duration=<voice.wav 时长>
duration=<music.wav 时长>
duration=<接近较长输入的时长>选择持续时间策略
旁白比背景音乐短但仍要保留音乐尾声时使用 longest;只希望生成两路共同存在的区间时使用 shortest;第一路是主节目并负责定义最终长度时使用 first。选择策略前先确认哪个输入承担时间基准,避免仅凭文件排列顺序猜测结果。
风险与恢复
longest 可能在较短输入结束后继续保留另一轨声音;shortest 则可能截掉尚未播放完的内容。first 对输入顺序敏感,交换两个 -i 的位置可能改变最终时长。原始输入不会被 amix 修改;发现尾部被截断或保留过长时,可更换 duration 策略并重新生成输出文件。
ffmpeg -i <voice> -i <music> -filter_complex "[1:a]volume=<gain>[bg];[0:a][bg]amix=inputs=2" <output>先衰减背景音乐再与人声混合,减少音乐盖过对白的情况;适合旁白和 BGM 合成,最终仍应通过响度或峰值指标复核结果。
给背景音乐降低音量
需要把旁白与 BGM 合成、但音乐明显盖住人声时使用。先用 volume 只衰减第二路音乐,再把人声和处理后的音乐交给 amix,可以独立控制背景音乐强度而不先改动原始文件。
基本语法
ffmpeg -i <voice> -i <music> -filter_complex "[1:a]volume=<gain>[bg];[0:a][bg]amix=inputs=2" <output>[1:a]:第二个输入文件的音频流,即这里的背景音乐。volume=<gain>:背景音乐增益。1表示保持原幅度,0.25表示把幅度乘以 0.25;它不是“降低 25%”。[bg]:衰减后音频的临时标签,供后续滤镜引用。[0:a][bg]:把第一路人声与处理后的背景音乐送入混音器。amix=inputs=2:混合两路音频。
常用示例
# 将 BGM 先衰减到 25%,再与人声混合;成功后打印固定标记
ffmpeg -hide_banner -loglevel error -y -i voice.wav -i music.wav -filter_complex "[1:a]volume=0.25[bg];[0:a][bg]amix=inputs=2" output.wav && printf 'mix-ok\n'预期输出:FFmpeg 成功生成 output.wav 后打印以下标记;处理失败时不会打印该标记,并会输出错误信息。
mix-ok调整与验证
<gain> 应按素材实际响度调整,而不是固定套用某个比例。音乐仍盖住对白时继续降低,例如从 0.25 调到 0.15;音乐过弱时则适当提高。
amix 还会影响最终混音电平,且两路素材长度不一致时需要关注输出持续时间。正式交付前应试听对白清晰度,并用响度或峰值检测复核,不能只依据 volume 数字判断最终响度。
风险与恢复
示例中的 -y 会直接覆盖同名 output.wav。需要保留旧文件时应改用新的输出名或移除 -y。滤镜只作用于输出过程,不会修改 voice.wav 和 music.wav,因此混音结果不合适时可直接调整增益后重新生成。
滤镜与音频清理
ffmpeg -i <input> -af adelay=<delays>|all=<delay> <output>给音频通道增加毫秒级延迟;适合做同步校正和测试音频时序,延迟值作用于通道的方式需与输入布局保持一致。
延迟一路音频
音频比目标时间点提前、需要做固定时序校正或构造延迟测试素材时使用 adelay。它会在指定声道前补静音,使有效音频整体向后移动;延迟值必须与输入声道布局对应。
基本语法
ffmpeg -i <input> -af "adelay=<delays>" <output><delays> 按声道顺序填写延迟值,默认单位为毫秒,并用 | 分隔。例如立体声的 100|100 表示左右两个声道都延迟 100 ms。只给部分声道设置不同延迟时,必须先确认输入的实际声道布局,避免制造新的左右声道错位。
常用示例
# 立体声左右声道都补 100 ms 静音;成功后打印固定标记
ffmpeg -hide_banner -loglevel error -y -i input.wav -af "adelay=100|100" output.wav && printf 'delay-ok\n'预期输出:处理成功后生成 output.wav 并打印以下标记;失败时不会打印该标记。
delay-ok处理后的有效声音相对原文件向后移动约 100 ms,文件开头增加对应的静音区间。实际编码封装、采样边界和播放器显示方式可能影响观察到的时间值,因此同步校正应结合波形、时间戳或实际播放结果验证。
声道与延迟值
adelay=100|100 适用于需要让两个声道等量延迟的立体声输入。如果输入是单声道、多声道或需要各声道不同偏移,应按真实声道数量和顺序重新填写延迟列表,不能直接照搬两个值。
风险与恢复
示例中的 -y 会覆盖已有的 output.wav;需要保留旧结果时换一个输出名或移除 -y。该滤镜不会修改源文件,所以延迟值设置错误时可直接从 input.wav 重新处理。做同步修正时建议从较小偏移开始,并以实际播放或波形对齐作为最终检查点。
ffmpeg -i <input> -af "aresample=<sample_rate>" <output>通过 aresample 滤镜执行采样率转换;适合需要把重采样明确放入滤镜链的处理流程,可与其他音频滤镜串联使用。
重采样并指定质量
当输出必须固定为某个采样率,或需要把重采样显式放进音频滤镜链时使用 aresample。它既能完成采样率转换,也能在构建支持时选择 SoX Resampler 等重采样引擎并调整精度。
基本语法
ffmpeg -i <input> -af "aresample=<sample_rate>" <output><sample_rate> 是目标采样率,例如 48000。只指定采样率时由 FFmpeg 当前可用的默认重采样实现完成转换,适合兼容性优先的处理流程。
质量控制
需要显式提高 SoX Resampler 的计算精度时,可使用 resampler=soxr 和 precision。这依赖 FFmpeg 构建时启用了 libsoxr;不同发行版的编译选项可能不同,因此不能假定所有安装都支持。
ffmpeg -hide_banner -loglevel error -i input.wav -af "aresample=48000:resampler=soxr:precision=28" 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:处理成功后,ffprobe 返回目标采样率。
48000与其他滤镜串联
aresample 可以与音量、降噪、声道处理等滤镜放在同一条 -af 链中。重采样所在位置会影响后续滤镜接收到的采样率,因此当后续处理要求固定采样率时,应把它放在相应处理之前。
风险与恢复
重采样会重新计算音频样本,并不是无损的“改标签”。重复在多个处理中来回转换采样率会增加不必要的计算和累计误差,应尽量只在最终需要的位置转换一次。
如果命令因 soxr 不可用而失败,说明当前 FFmpeg 构建没有提供该重采样引擎;去掉 resampler=soxr:precision=28,改用 aresample=48000 即可恢复为默认实现。
ffmpeg -i <input> -af "silenceremove=<options>" <output>检测并移除音频开头、结尾或指定区间的静音;适合语音素材清理和批量预处理,阈值设置不当可能误删弱语音内容。
裁剪静音开头结尾
当录音前后包含多余空白,需要按持续时间和响度阈值自动裁剪时使用 silenceremove。它根据检测条件决定哪些片段属于静音,适合语音素材预处理,但阈值过高可能把弱语音一起删除。
基本语法
ffmpeg -i <input> -af "silenceremove=<options>" <output>start_* 选项控制开头静音检测,stop_* 选项控制结尾或后续静音检测。常用条件包括需要检测到几段静音、静音至少持续多久以及低于什么响度才视为静音。
关键选项
start_periods:满足条件后,从音频开头执行静音裁剪;常见值为1。start_duration:开头静音至少持续多长时间才触发裁剪。start_threshold:开头静音检测阈值,例如-50dB。stop_periods:控制尾部静音裁剪;正值用于停止并裁去尾部满足条件的静音。stop_duration:尾部静音至少持续多长时间才触发。stop_threshold:尾部静音检测阈值。
只使用 stop_* 不会自动删除开头静音。需要处理两端时,应同时设置对应的 start_* 和 stop_* 条件。
常用示例
下面的命令在检测到至少 1 秒、低于 -50dB 的尾部静音后进行裁剪,并比较处理前后的总时长。
ffmpeg -hide_banner -loglevel error -i input.wav -af "silenceremove=stop_periods=1:stop_duration=1:stop_threshold=-50dB" output.wav
printf 'input='
ffprobe -v error -show_entries format=duration -of default=noprint_wrappers=1:nokey=1 input.wav
printf 'output='
ffprobe -v error -show_entries format=duration -of default=noprint_wrappers=1:nokey=1 output.wav预期结果:两个文件都能被 ffprobe 正常读取;若输入尾部确实存在满足条件的静音,输出时长应小于输入时长。实际秒数取决于素材内容。
input=<INPUT_DURATION_SECONDS>
output=<OUTPUT_DURATION_SECONDS>阈值与误删风险
-50dB 不是适用于所有录音的固定安全值。带底噪的环境可能始终高于该阈值,而很轻的呼吸声、尾音或远距离语音也可能低于阈值。批处理前应先抽样验证,再固定参数。
如果出现语音开头或结尾被截断,应降低检测阈值的绝对响度要求,例如使用更低的 dB 值,或增加检测持续时间;保留原始文件后重新处理即可恢复,不要直接覆盖唯一源文件。
音量分析与质量检查
ffmpeg -i <input> -af volumedetect -f null -通过 volumedetect 统计输入音频的最大音量和平均音量等指标;适合调参前判断电平范围,但它不是完整的节目响度分析。
提取音频峰值统计
当需要在增益、压缩、限幅或归一化前快速确认输入的平均电平和样本峰值时使用。volumedetect 只做统计,不改写音频,也不能替代 EBU R128 节目响度分析。
基本语法
ffmpeg -i <input> -af volumedetect -f null --i <input>:指定待分析的媒体文件。-af volumedetect:对音频执行电平统计;该滤镜本身没有可配置参数,输入格式会在需要时转换后分析。-f null -:把处理结果丢弃,只保留分析日志,因此不会生成输出媒体文件。
常用示例
ffmpeg -i input.wav -af volumedetect -f null -预期结果:FFmpeg 扫描完整输入后,在日志末尾给出 mean_volume、max_volume,并可能继续输出接近峰值区间的直方图。
[Parsed_volumedetect_0 @ <ID>] mean_volume: <MEAN_DB> dB
[Parsed_volumedetect_0 @ <ID>] max_volume: <MAX_DB> dB<ID>、<MEAN_DB> 和 <MAX_DB> 会随运行与输入内容变化。分析日志通常写到标准错误流,脚本采集时不要只读取标准输出。
结果怎么读
mean_volume 是整段音频的均方根平均电平,max_volume 是逐样本统计得到的最大电平;两者都以相对 PCM 最大值的 dB 表示。max_volume 越接近 0 dB,样本峰值越接近数字满刻度,但仅凭这一项不能判断节目响度,也不能单独证明已经发生可听失真。
如果目的是判断后续还能增加多少线性增益,可把 max_volume 当作样本峰值余量的参考;如果目的是广播、流媒体交付或节目响度规范,应改用 EBU R128 或相应响度规范的测量流程。
风险与边界
volumedetect 只统计,不会自动修复削波、调整增益或做响度归一化。它内部只支持 16 位有符号整数样本,其他输入会在需要时转换,因此不应把它当作高精度真峰值测量工具。
命令使用 null 输出,不会覆盖源文件;若选错输入,直接停止命令并换成正确文件重新运行即可。
ffmpeg -i <input> -af ebur128 -f null -使用 ebur128 滤镜分析节目响度、短时响度和真峰值等指标;适合广播、媒体分发和规范化处理前的音频质量检查。
检测音频响度
当需要按 EBU R128 检查节目响度、短时响度和响度范围,或在响度规范化前建立基线时使用。默认 ebur128 会持续记录瞬时、短时、积分响度和 LRA;真峰值需要显式启用 peak=true。
基本语法
ffmpeg -i <input> -af ebur128 -f null --i <input>:指定待分析的媒体文件。-af ebur128:执行 EBU R128 响度扫描;默认约每秒记录 10 次M、S、I和LRA。-f null -:丢弃处理后的媒体,只查看分析日志,不创建输出文件。
常用示例
ffmpeg -i input.wav -af ebur128 -f null -预期结果:处理中会持续看到 M、S、I、LRA,输入结束后再读取末尾摘要;实际数值取决于音频内容。
[Parsed_ebur128_0 @ <ID>] t: <TIME> ... M: <M_LUFS> S: <S_LUFS> I: <I_LUFS> LUFS LRA: <LRA_LU> LU
...
[Parsed_ebur128_0 @ <ID>] Summary:<ID>、<TIME> 和各响度数值都是动态值。做文件级判定时优先读取最终摘要中的积分响度 I 与响度范围 LRA,不要把某一帧的 M 或 S 当成整段节目的最终响度。
真峰值测量
默认峰值模式是关闭的;需要真峰值时显式启用 peak=true。该模式通过过采样提高峰值测量精度,并要求 FFmpeg 构建包含 libswresample。
ffmpeg -i input.wav -af ebur128=peak=true -f null -预期结果:除响度字段外,日志会增加真峰值相关的 TPK、FTPK 信息;若当前 FFmpeg 构建不支持所需能力,应先确认构建配置,而不是假设已有真峰值结果。
[Parsed_ebur128_0 @ <ID>] ... TPK: <TRUE_PEAK> ...结果怎么读
M 表示约 400 ms 的瞬时响度,S 表示约 3 s 的短时响度,I 是积分节目响度,LRA 是响度范围。其中 I 通常用于判断整段节目是否达到目标响度,LRA 用于观察动态范围;真峰值只在启用峰值模式后才应读取。
风险与边界
ebur128 是测量滤镜,不会自动把音频调整到目标响度。不要因为看到目标参考值就误以为命令已经做了归一化;需要实际归一化时应使用专门的响度处理流程并重新测量验证。
命令使用 null 输出,不会修改源文件。若结果异常,先确认分析的是目标音轨、完整文件以及正确声道布局,再重新运行测量。
ffprobe -v error -select_streams a -show_entries stream=index,codec_name,sample_rate,channels,channel_layout,duration -of default=noprint_wrappers=1 <input>使用 ffprobe 结构化查看音频编码、采样率、声道、布局和时长;适合脚本预检与自动化处理,比人工阅读 ffmpeg 输出更稳定。
显示详细音频流信息
在转码、重采样、声道转换或批处理前,需要准确读取输入文件的音频流参数时使用。该命令只选择音频流,并输出编码、采样率、声道数、声道布局和时长等指定字段,便于人工检查或脚本预检。
基本语法
ffprobe -v error -select_streams a -show_entries stream=index,codec_name,sample_rate,channels,channel_layout,duration -of default=noprint_wrappers=1 <input>-v error:只显示错误日志,避免普通探测信息干扰结构化结果。-select_streams a:只选择音频流;存在多条音频流时会逐条输出。-show_entries stream=...:限制为指定的流字段,减少无关数据。-of default=noprint_wrappers=1:使用默认键值格式,并去掉流级包装标题。
常用示例
ffprobe -v error -select_streams a -show_entries stream=index,codec_name,sample_rate,channels,channel_layout,duration -of default=noprint_wrappers=1 input.m4a预期输出的字段形态如下,实际值取决于输入文件:
index=<ID>
codec_name=<CODEC>
sample_rate=<RATE>
channels=<CHANNELS>
channel_layout=<LAYOUT>
duration=<DURATION><ID>、<CODEC>、<RATE>、<CHANNELS>、<LAYOUT> 和 <DURATION> 都是动态值。某些容器或编码不能提供准确的流时长或声道布局,相应字段可能缺失或显示为不可用值;存在多条音频流时,上述字段组会重复出现。
自动化读取边界
该格式适合简单键值读取,但多音频流时不能仅按字段名假定只有一组结果。脚本还应检查命令退出状态,并处理“没有匹配音频流”的情况:输入文件没有音频流时可能没有任何流字段输出。
风险与排查
-v error 会隐藏普通探测日志,因此输出为空不等于文件一定损坏。先确认文件确实包含音频流;若命令报告无法打开输入、格式无法识别或解码器相关错误,再检查路径、文件完整性和当前 FFmpeg 构建支持的格式。该命令只读取媒体信息,不修改输入文件。
ffmpeg -i <input> -f null -完整解码并处理输入但不写出实际媒体文件;适合批量检测解码错误、滤镜错误和编码流程问题,不代表业务播放一定正常。
输出到空设备做校验
需要检查媒体能否被 FFmpeg 从头处理完,但不想生成实际输出文件时使用。null 复用正常读取、解码和处理流程,再丢弃输出数据,适合发现解码错误、滤镜执行错误以及部分处理链问题。
基本语法
ffmpeg -i <input> -f null --i <input>:指定待检查的媒体文件。-f null:使用 null muxer,不生成真实媒体文件。- 最后的
-:把 null 输出目标写为标准输出目标标记;实际媒体数据会被丢弃。
批处理时通常增加 -v error,只保留错误信息,避免正常进度日志占满输出。
常用示例
ffmpeg -v error -i input.wav -f null -
printf 'exit=%s\n' "$?"预期结果:文件可以完成处理且没有需要打印的错误时,-v error 通常不会输出 FFmpeg 日志,随后可看到退出状态:
exit=0如果读取、解码或处理过程中出现错误,FFmpeg 会把对应错误写到标准错误;发生致命失败时退出状态通常为非零。具体错误文本取决于输入文件和 FFmpeg 构建版本,不应在脚本中依赖完整错误句子做固定匹配。
适合检查什么
该方法适合在批量任务开始前做快速完整性扫描,也可以把实际滤镜或处理参数加入同一条命令,再将最终输出改为 null,从而验证处理链是否能执行。它不会留下输出媒体,因此不会验证生成文件的封装、播放器兼容性或最终听感。
失败处理
出现错误时先保留 -v error 的标准错误内容,并定位最早出现的读取、解码或滤镜错误。若需要更多上下文,可临时提高日志级别重新执行;确认输入文件、解码器或滤镜参数后,再重复 null 校验。对自动化任务,不要只判断“是否生成了输出文件”,因为本命令设计上就不会生成媒体文件。
同步与时间处理
ffmpeg -itsoffset <offset> -i <input> -i <input> -map 0:v? -map 1:a -c:v copy -c:a <codec> <output>通过输入偏移调整音频相对视频的时间位置;适合音画不同步校正,使用前应明确需要移动的是音频还是视频以及偏移方向。
调整音频同步偏移
当音频与画面存在固定时间差、且不需要做变速或拉伸时使用。-itsoffset 会整体平移某个输入的时间戳;本条给出的 synopsis 把偏移应用在第一个输入,并从该输入取视频、从第二个输入取音频,因此实际移动的是视频时间轴,用它来改变音频相对视频的位置。
基本语法
ffmpeg -itsoffset <offset> -i <input> -i <input> -map 0:v? -map 1:a -c:v copy -c:a <codec> <output>-itsoffset <offset>:给紧随其后的输入增加时间偏移,单位为秒;正值使该输入更晚出现。-map 0:v?:选择第一个输入的视频流;?表示没有视频流时不立即因映射失败退出。-map 1:a:选择第二个输入的音频流。-c:v copy:直接复制视频码流,不重新编码。-c:a <codec>:指定音频编码器,容器不兼容原音频编码时需要转码。
可验证示例
下面把视频整体延后 0.25 秒,并与第二个输入的音频重新封装:
ffmpeg -itsoffset 0.25 -i video.mp4 -i audio.wav -map 0:v? -map 1:a -c:v copy -c:a aac synced.mp4预期结果:生成 synced.mp4;视频时间戳相对音频整体后移约 0.25 秒,因此音频相对画面更早。编码器延迟和封装格式可能让首包时间不是精确的 0.250 秒。
可分别读取首个视频包和音频包的时间戳进行核对:
ffprobe -v error -select_streams v:0 -show_entries packet=pts_time -of csv=p=0 -read_intervals "%+#1" synced.mp4
ffprobe -v error -select_streams a:0 -show_entries packet=pts_time -of csv=p=0 -read_intervals "%+#1" synced.mp4预期结果:两条命令各输出一个首包 PTS;视频值应比音频值晚约 0.25 秒。实际值可能受 AAC 编码器延迟、起始时间归一化和容器时间基影响。
风险与边界
先确认“谁需要移动”和偏移方向。这个 synopsis 固定偏移第一个输入并取它的视频;如果你的目标是直接延后音频,应把 -itsoffset 放到音频输入前,并同步调整输入顺序与 -map,不要只改数值符号后盲目套用。若不同步量会随播放时间逐渐增大,问题通常不是固定偏移,而是时钟漂移或采样率差异,此命令不能根治。
脚本与批处理
ffmpeg -hide_banner -loglevel warning -i <input> <output>隐藏版本横幅并把日志级别限制为 warning 及以上;适合自动化脚本和批处理输出,排障阶段应提高日志级别获取更多上下文。
提升日志可读性
当 FFmpeg 用在脚本、CI 或批处理里,只想保留需要关注的告警与错误时使用。-hide_banner 去掉启动时的版本和构建信息,-loglevel warning 抑制普通信息级日志,便于从输出中快速发现异常。
基本语法
ffmpeg -hide_banner -loglevel warning -i <input> <output>-hide_banner:隐藏 FFmpeg 版本、编译参数和库版本横幅。-loglevel warning:显示warning及更严重的日志;排障时可临时改为info、verbose或debug。<input>与<output>:输入、输出文件;编码格式仍由输出扩展名和其他编码参数决定。
常用示例
ffmpeg -hide_banner -loglevel warning -i input.wav output.mp3预期结果:成功时生成 output.mp3,终端不会显示启动横幅,普通 info 级转换日志也会被抑制;若存在编码或输入问题,只保留 warning、error 等较高等级信息。部分进度统计可能仍出现,它不等同于日志级别过滤。
用 ffprobe 验证输出容器格式:
ffprobe -v error -show_entries format=format_name -of default=nw=1:nk=1 output.mp3预期输出:
mp3批处理中的取舍
如果脚本只关心失败,可把日志级别进一步收紧为 error;如果需要定位解码、时间戳或滤镜问题,则应提高到 info 或更详细级别后重跑。若还想去掉默认进度统计,可额外使用 -nostats,但这会降低长任务执行时的可见性。
风险与恢复
过低的日志级别会隐藏有价值的上下文,不应把 warning 或 error 当成永久排障配置。批处理失败时,先保留同一输入和参数,提高 -loglevel 后再次执行并收集完整错误信息;不要只根据“终端更安静”判断任务成功,仍应检查进程退出码和输出文件是否可读取。
ffmpeg -i <input> -t <duration> <output>从输入开始位置生成指定总时长的输出文件;适合测试样本、预览和批处理限长,截断位置可能位于编码帧边界附近。
限制输出音频时长
需要从输入起点只保留固定时长时使用 -t。它限制 FFmpeg 写入输出的总时长,适合生成测试样本、试听片段或给批处理任务统一设定时长上限。
基本语法
ffmpeg -i <input> -t <duration> <output><duration> 可使用秒数或 HH:MM:SS 形式,例如 30 与 00:00:30 都表示 30 秒。未额外指定起始时间时,处理从输入的起始位置开始。
常用示例
前提是当前目录存在 input.wav:
ffmpeg -i input.wav -t 00:00:30 output.wav预期结果:命令成功结束并生成 output.wav,内容从输入起点开始,目标时长为 30 秒。FFmpeg 的终端日志会因版本、编码器和输入文件不同而变化,因此不要依赖固定日志文本判断成功。
验证时长
可用 ffprobe 读取输出容器报告的时长:
ffprobe -v error -show_entries format=duration -of default=noprint_wrappers=1:nokey=1 output.wav预期输出约为:
30.000000具体小数位和极小的时长偏差可能因封装格式、时间基或编码帧边界而不同。
风险与边界
-t 限制的是输出持续时间,不等同于指定起始位置;需要从中间开始截取时应另外设置起始时间参数。若输出使用有损编码,结束位置还可能受编码帧粒度影响,不应把显示时长的小数值当作逐采样点精确裁切的保证。
ffmpeg -i <input> <output>单条 FFmpeg 命令可作为批处理循环中的核心处理步骤;适合统一转换采样率、编码或格式,批量执行时应正确处理特殊文件名和失败退出码。
批量处理目录音频
需要对目录中的多份音频统一执行同一种 FFmpeg 转换时,可把单文件命令放进 Shell 循环。批处理的关键不是重复调用本身,而是正确引用文件名、避免意外覆盖,并让任意一次失败最终反映到脚本退出码。
基本模式
单个文件仍遵循普通 FFmpeg 输入输出结构:
ffmpeg -i <input> <output>批处理脚本负责枚举输入文件,再为每个文件构造独立输出路径。文件变量必须放在双引号中,否则名称包含空格或通配字符时可能被 Shell 错误拆分。
Bash 批处理示例
前提是当前目录至少存在一个 .wav 文件,并使用 Bash 执行。下面将音频统一转换为 48 kHz、双声道 M4A;-n 表示输出文件已存在时拒绝覆盖。
mkdir -p out
shopt -s nullglob
failed=0
for f in *.wav; do
if ! ffmpeg -hide_banner -loglevel error -n -i "$f" -ar 48000 -ac 2 "out/${f%.wav}.m4a"; then
printf 'FAILED: %s\n' "$f" >&2
failed=1
fi
done
exit "$failed"预期结果:全部转换成功时,out 目录中为每个输入 .wav 生成同名 .m4a,终端通常没有输出,脚本退出码为 0。若任一文件转换失败,会输出对应的 FAILED: 文件名,脚本最终以非零状态退出。
验证结果
处理完成后可列出实际生成的文件:
find out -maxdepth 1 -type f -name '*.m4a' -print预期输出形式如下,具体文件名取决于输入目录:
out/<NAME>.m4a其中 <NAME> 代表实际输入文件的基础名称;输入有多份音频时会出现多行。
批处理边界
shopt -s nullglob 可避免目录中没有 .wav 时把字面量 *.wav 交给 FFmpeg;该设置属于 Bash,不能直接假设在所有 /bin/sh 实现中可用。-n 适合保守批处理,因为已有输出不会被覆盖;如果业务明确要求重新生成,应先确认目标目录安全,再选择相应覆盖策略。