使用FFmpeg混音时叠加音频片段音量异常升高的原因与解决方法

原因分析 #

你的FFmpeg命令中滤镜顺序错误：将adelay放在了loudnorm之前，导致loudnorm分析的是包含前置静音的完整音频（延迟时间越长，前置静音段越长）。

loudnorm的作用是把整个音频的响度归一化到目标值（I=-14），前置静音会拉低音频整体的平均响度，滤镜为了达到目标响度，会大幅提升翻译音频有效片段的音量进行补偿。延迟时间越久，前置静音越长，补偿幅度越大，最终就出现了第三、四段延迟更久的翻译音频音量明显更高的现象。

解决方法 #

调整滤镜顺序，先对原始翻译音频做响度归一化，再添加延迟，确保loudnorm只分析翻译音频本身，不受前置静音影响。同时可以优化命令，避免重复加载同一音频文件，减少冗余：

优化后的命令 #

ffmpeg -i video_wpmXlZF4XiE.opus -i 989-audio.mp3 \
-filter_complex "\
[0:a]loudnorm=I=-14:TP=-2:LRA=7, volume=0.05[original]; \
[1:a]loudnorm=I=-14:TP=-2:LRA=7[norm_audio]; \
[norm_audio]adelay=5000|5000, volume=1.0[sent1]; \
[norm_audio]adelay=10000|10000, volume=1.0[sent2]; \
[norm_audio]adelay=20000|20000, volume=1.0[sent3]; \
[norm_audio]adelay=30000|30000, volume=1.0[sent4]; \
[original][sent1][sent2][sent3][sent4]amix=inputs=5:duration=longest[out]" \
-map "[out]" output.mp3

额外优化（避免自动衰减） #

默认amix会根据输入数量自动衰减每个轨道的音量防止削波，如果你希望严格按照设置的音量比例叠加，可以关闭自动衰减（注意监测总音量，避免超过0dB导致削波）：

ffmpeg -i video_wpmXlZF4XiE.opus -i 989-audio.mp3 \
-filter_complex "\
[0:a]loudnorm=I=-14:TP=-2:LRA=7, volume=0.05[original]; \
[1:a]loudnorm=I=-14:TP=-2:LRA=7[norm_audio]; \
[norm_audio]adelay=5000|5000[sent1]; \
[norm_audio]adelay=10000|10000[sent2]; \
[norm_audio]adelay=20000|20000[sent3]; \
[norm_audio]adelay=30000|30000[sent4]; \
[original][sent1][sent2][sent3][sent4]amix=inputs=5:duration=longest:attenuation=0[out]" \
-map "[out]" output.mp3

内容的提问来源于stack exchange，提问作者Volodymyr Bilovus