音频音量标准化

音频音量标准化工具用 ffmpeg 的 loudnorm 滤镜,把一段音频的整体响度调整到你选定的目标值,让几段忽大忽小的录音听起来音量更接近。它调整的是「响度」(按 EBU R128 标准的 LUFS 单位衡量),不是简单地把波形整体放大;同时它不是降噪工具,也不会修复已经爆音或失真的录音。页面提供三个目标档位可选,没有自定义数值的输入框。处理采用两遍 loudnorm:第一遍先测量,第二遍按测量值精确调整,完成后会显示测得的原始综合响度(LUFS)。

操作步骤

1. 点击「点击上传音频」的虚线框,选择一个音频文件,选好后框内会显示文件名。
2. 在「目标音量」下面选择一个档位:「标准音量(-16 LUFS)」、「响亮一些(-13 LUFS)」或「轻柔一些(-20 LUFS)」。默认选中标准音量。
3. 点击「开始标准化」。第一次使用时按钮会先显示「正在加载处理核心…」,之后依次显示「第 1 遍:正在测量响度…」和「第 2 遍:正在处理…」,音频越长耗时越久。
4. 完成后页面出现播放器,并在上方显示原始音频测得的综合响度、真峰值和响度范围。试听没问题后点击「下载处理结果」,文件名是原文件名前加 normalized_。

三个档位的含义与一个使用场景

LUFS 数值越接近 0 声音越响,-13 比 -16 响,-16 又比 -20 响。三个档位在代码里对应的目标响度分别是 -16、-13、-20,而响度范围(LRA)固定为 11,真峰值上限(TP)固定为 -1.5 dB,后者用来避免调整后出现削波失真。一个典型场景:你有三段分别录制的播客片段,第一段偏小声、第三段偏大声,把它们逐个用同一个档位(比如「标准音量」)处理后,再拼接到一起,听感上的音量差就会小很多。因为结果取决于具体音频的内容,我们没有给出固定的处理前后数字;页面会显示你这个文件的实测值。

支持范围与已知限制

• 采用两遍 loudnorm:第一遍(print_format=json)测量并从 ffmpeg 日志读取综合响度、真峰值、响度范围和阈值,第二遍把这些 measured_* 参数传回去并启用线性模式,通常比单遍更接近目标。但当目标在 -1.5 dBTP 真峰值限制下无法线性达到时,ffmpeg 会自动退回动态处理,最终响度仍可能略有出入。如果无法读取测量值(例如整段静音),会自动退回单遍处理并在结果区提示。
• 只提供三个固定档位,不能输入自定义目标值;界面只显示处理前(第一遍测得)的响度读数,不显示处理后的重新测量值。
• 输出文件沿用原文件的扩展名并经过重新编码,有损格式(如 MP3)会再经历一次有损压缩,音质可能有轻微变化。
• loudnorm 内部会重采样到较高采样率,所以现在会从第一遍的日志里读取源文件采样率,并用 -ar 把输出设为相同采样率。如果日志里读不到采样率,则不设置,由 ffmpeg 决定。其它输出参数(编码器、码率)仍由 ffmpeg 默认决定。
• 只统一整体响度,不会逐句均衡忽大忽小的语音,也不能消除背景噪音。
• 整个文件会读入浏览器内存,没有大小上限,很长或很大的文件可能很慢甚至失败。
• 处理失败时只会显示「处理失败,请换一个音频文件重试。」,不会给出具体原因。
• 第一次使用需要联网下载约 25-30MB 的处理核心。

常见问题:标准化和直接调大音量有什么区别?

直接放大是把所有采样值乘以同一个倍数,放大过头就会削波失真。标准化是按听感响度来衡量并调整,同时受真峰值上限约束,更适合用来统一不同来源的音频。

常见问题:应该选哪个档位?

页面代码里的注释把 -16 LUFS 描述为 Spotify 等主流流媒体平台采用的响度目标。不同平台的要求会变化,上传前请以对应平台当前的规范为准。-13 听起来更响,-20 更柔和,可以按听众的使用场景选择。

常见问题:处理后文件变大或变小了正常吗?

正常。输出是重新编码的结果,文件大小取决于所用编码器的默认设置和原文件格式,可能与原文件不同。

常见问题:处理很久没反应怎么办?

第一次使用先要下载处理核心,之后还要对整段音频做分析和重新编码,长音频可能要等上一段时间。可以先用音频剪辑工具截一小段试试效果。

隐私与处理方式

音频处理在你的浏览器里由 WebAssembly 版 ffmpeg 完成,代码里没有上传你音频文件的步骤。唯一的网络请求是第一次使用时从 unpkg.com 公共 CDN 下载 ffmpeg 处理核心,这个请求不包含你的文件。处理结果通过浏览器本地生成的临时链接试听和下载,更换文件或离开页面时会被释放。