如何用FFmpeg将音频中110ms以上静音段替换为400ms静音

核心可以利用FFmpeg的silenceremove音频过滤器直接实现需求，无需手动拼接片段。

基础命令 #

ffmpeg -i input_audio.mp3 -af "silenceremove=start_periods=0:stop_periods=-1:stop_duration=0.11:stop_threshold=-50dB:leave_silence=0.4" output_audio.mp3

参数解释 #

• start_periods=0: 不处理开头的静音片段（若需处理开头，可改为-1）
• stop_periods=-1: 处理所有中间及结尾的静音片段
• stop_duration=0.11: 仅匹配时长超过110ms（0.11秒）的静音片段
• stop_threshold=-50dB: 判定静音的音量阈值，可根据音频实际背景噪音调整（噪音大时可设为-40dB）
• leave_silence=0.4: 将符合条件的长静音片段替换为400ms（0.4秒）的静音

进阶：精准控制（脚本方式） #

如果需要避免过滤器误判，可通过先检测静音区间再手动拼接的方式实现：

1. 检测静音区间
   运行命令生成静音检测日志：

ffmpeg -i input_audio.mp3 -af silencedetect=n=-50dB:d=0.11 -f null - 2> silence_log.txt

日志中会包含silence_start: X.XXX和silence_end: Y.YYY格式的条目，对应超过110ms的静音起止时间。

2. 生成片段列表
   解析日志将音频分割为非静音片段，同时预先生成400ms静音文件：

ffmpeg -f lavfi -i anullsrc=r=44100:cl=stereo -t 0.4 400ms_silence.mp3

之后编写脚本生成FFmpeg拼接用的列表文件segments.txt，格式示例：

file 'non_silence_segment_1.mp3'
file '400ms_silence.mp3'
file 'non_silence_segment_2.mp3'

3. 拼接所有片段

ffmpeg -f concat -safe 0 -i segments.txt -c copy output_audio.mp3

内容的提问来源于stack exchange，提问作者对角另一面