拼接Amazon Polly音频时使用ffmpeg、pydub均出现音质损坏，求优化方案

问题核心原因 #

你遇到的音质问题本质是代码和命令的参数配置错误，而非工具本身的问题：

• FFmpeg命令存在多处语法错误：sound1.mp3- i 缺少空格导致输入流解析异常；4个输入流却设置concat=n=3，且流索引全部写为[0:0] [0:1]，相当于只读取第一个输入的流内容，拼接出来的音频流本身就是错乱的，自然会出现蜂鸣、跳播问题。
• Pydub代码存在逻辑和参数缺陷：先给combined赋值第一个音频片段，循环时又从第一个片段开始累加，导致第一个片段被重复拼接；导出时没有指定码率，pydub默认用低码率导出，直接导致音质下降。

FFmpeg优化方案 #

如果所有Amazon Polly输出的音频参数（采样率、声道数、编码格式）完全一致，可使用无损流复制拼接，无需重编码，完全保留原始音质：

1. 先创建音频列表文件files.txt，内容按如下格式编写：

file 'sound1.mp3'
file 'sound2.mp3'
file 'sound3.mp3'
file 'sound4.mp3'

2. 执行拼接命令：

ffmpeg -f concat -safe 0 -i files.txt -c copy output.mp3

如果音频参数不一致，使用concat过滤器重编码的正确命令如下，指定192k码率对齐Amazon Polly的默认输出码率：

ffmpeg -i sound1.mp3 -i sound2.mp3 -i sound3.mp3 -i sound4.mp3 \
-filter_complex "[0:a][1:a][2:a][3:a]concat=n=4:v=0:a=1[a]" \
-map "[a]" -b:a 192k output.mp3

Pydub优化方案 #

修正逻辑错误，导出时指定高码率即可保留原始音质：

from pydub import AudioSegment
audio_list = ["sound1.mp3", "sound2.mp3", "sound3.mp3", "sound4.mp3"]
playlist_songs = [AudioSegment.from_mp3(mp3_file) for mp3_file in audio_list]

# 初始化空片段直接累加，避免重复添加第一个音频
combined = AudioSegment.empty()
for song in playlist_songs:
    combined += song

# 导出时指定和源文件一致的码率
combined.export("/path/to/file/PYDUB_output.mp3", format="mp3", parameters=["-b:a", "192k"])

额外优化建议 #

• 生成Amazon Polly音频时就固定统一的输出参数：采样率（推荐24kHz）、声道数（单声道/双声道统一）、码率，避免拼接时因参数转换出现音质损失。
• 尽量减少转码次数：原始音频为mp3格式时优先使用流复制拼接，无需重编码。

内容的提问来源于stack exchange，提问作者Glitchin