编码与格式 / 系统课时
混合多路音频
混合多路音频
本课解决多路音频在音量、起始时间和总时长不一致时如何安全混合的问题。完成后,你将能用 amix 构建统一输出,并通过限制峰值和检查媒体参数验证结果。
学习目标
- 理解多路音频进入
amix前的标准化流程 - 调整每路音频的音量、延迟时间和输出时长
- 使用
ffprobe验证混音文件的采样率、声道和时长
混音的核心链路
FFmpeg 混音通常不是直接把多个输入交给 amix。更可靠的做法是先分别处理每一路音频,包括统一采样率和声道布局、调整音量、设置延迟,再将处理结果送入混音器。
amix 负责叠加采样值,但多路信号同时达到较高电平时可能产生削波。因此,关闭自动归一化后通常还要接入 alimiter,把最终峰值限制在安全范围内。

用 amix 生成可验证结果
下面的命令通过 lavfi 生成两段测试音频,因此不依赖本地素材。第一路持续 6 秒,第二路持续 4 秒并延迟 1.5 秒开始,两路分别设置不同音量后混合为 WAV 文件。
ffmpeg -f lavfi -i "sine=frequency=440:duration=6" -f lavfi -i "sine=frequency=660:duration=4" -filter_complex "[0:a]aformat=sample_rates=48000:channel_layouts=stereo,volume=0.70[a0];[1:a]aformat=sample_rates=48000:channel_layouts=stereo,volume=0.35,adelay=delays=1500:all=1[a1];[a0][a1]amix=inputs=2:duration=longest:dropout_transition=0:normalize=0,alimiter=limit=0.95[out]" -map "[out]" -c:a pcm_s16le mixed.wav预期结果
生成 mixed.wav。文件总时长约为 6 秒;前 1.5 秒只有 440 Hz 音频,随后两路音频同时播放,第二路音量低于第一路。volume=0.70 和 volume=0.35 分别控制两路输入增益。数值 1.0 表示保持原音量,小于 1.0 表示衰减,大于 1.0 会放大信号,也会提高削波风险。
adelay=delays=1500:all=1 为第二路的所有声道增加 1500 毫秒静音。normalize=0 让音量比例由前面的 volume 明确控制,末尾的 alimiter 则负责限制过高峰值。
决定混音输出时长
duration 决定混音器何时结束。选择错误时,可能出现背景音乐被提前截断,或者主音频结束后仍保留一段不需要的尾音。
| 取值 | 结束条件 | 常见用途 |
|---|---|---|
longest |
最长输入结束 | 保留所有音频内容 |
shortest |
最短输入结束 | 任一路结束即停止 |
first |
第一输入结束 | 以主音频时长为准 |
本例使用 longest,因为第一路持续 6 秒,第二路延迟后结束于第 5.5 秒,所以最终输出仍保持约 6 秒。
验证输出参数
混音完成后,不要只依赖试听判断。下面的命令读取输出文件的采样率、声道数和容器时长,可以确认格式标准化和时长策略是否真正生效。
ffprobe -v error -select_streams a:0 -show_entries stream=sample_rate,channels:format=duration -of default=noprint_wrappers=1 mixed.wav预期输出
sample_rate=48000
channels=2
duration=6.000000字段顺序可能因 FFmpeg 版本不同而变化,但应能看到 48000 Hz、2 个声道和约 6 秒时长。若时长明显变短,应检查是否误用了 duration=shortest 或全局 -shortest。
常见问题
- 混合后声音失真或爆音:降低各路
volume,并保留末尾的alimiter。 - 某一路开始时间不正确:确认
adelay使用毫秒,而不是秒。 - 输出声道或采样率异常:在每个输入分支进入
amix前使用相同的aformat。 - 主音频结束后仍有尾音:将
duration改为first,让输出跟随第一路输入结束。