---

最近处理直播回放素材时，发现连麦双方的AAC音频音量差异极大，观众总需要反复调节播放器音量。通过FFmpeg的三种音频处理方案对比测试，最终整理出这套可批量操作的实战方案。

一、三种音量提升方案实测

1. 简单倍数放大：

   ffmpeg -i input.aac -af "volume=2.0" output.aac

2. 优点：处理速度最快（单核CPU占用约15%）

3. 缺点：超过-1dBFS时出现削波，实测当音量提升300%时AU检测到17处失真

4. 动态标准化(dynaudnorm)：

   ffmpeg -i input.aac -af dynaudnorm=f=150:g=17 output.aac

5. 参数说明：f为帧长（毫秒），g为目标峰值（dB）

6. 实测CPU占用约35%，能消除忽大忽小问题但会轻微影响音色

7. EBU R128标准(loudnorm)：

   ffmpeg -i input.aac -af loudnorm=I=-16:TP=-1.5:LRA=11 print_format=json output.aac

8. 专业广播级标准，CPU占用最高（约65%）
9. 需二次扫描分析音频特性，适合对质量要求严苛的场景

二、Python批量处理脚本

import subprocess
import json
from pathlib import Path

def process_audio(input_path):
    output_path = input_path.with_stem(f"{input_path.stem}_boost")
    cmd = [
        "ffmpeg", "-y",
        "-i", str(input_path),
        "-af", "loudnorm=I=-16:TP=-1.5",
        "-c:a", "aac", "-b:a", "192k",
        str(output_path)
    ]

    try:
        result = subprocess.run(
            cmd, stderr=subprocess.PIPE,
            universal_newlines=True, check=True
        )
        # 解析FFmpeg输出获取实际增益值
        for line in result.stderr.split('\n'):
            if "Input Integrated" in line:
                return float(line.split(":")[1].strip()[:-3])
    except subprocess.CalledProcessError as e:
        print(f"处理失败 {input_path}: {e.stderr}")
        return None

# 批量处理目录下所有AAC文件
for file in Path("input/").glob("*.aac"):
    gain = process_audio(file)
    print(f"{file.name} 增益应用: {gain}dB")

三、关键避坑指南

1. Android硬编码陷阱：
2. MediaCodec处理PCM时，超出-1.0~1.0范围的采样值会被截断

3. 解决方案：在FFmpeg滤镜链最后添加-af aresample=oclip=1

4. 路径处理问题：

5. Windows下Python调用FFmpeg时，路径中的中文需额外处理：

   from subprocess import list2cmdline
   cmd = list2cmdline(["ffmpeg", "-i", "含中文路径.aac"])

四、进阶验证建议

用sox工具分析处理前后的频谱变化：

sox original.aac -n spectrogram -o original.png
sox processed.aac -n spectrogram -o processed.png

对比两张频谱图可直观发现： - 简单倍数放大会导致高频区域出现截断噪声 - loudnorm处理的频谱过渡最平滑

实际项目中，建议根据处理速度要求选择方案：直播实时处理用dynaudnorm，后期精修用loudnorm。记得始终保留原始音频备份，避免不可逆的质量损失。