ffmpeg音频命令（常用篇）

写在前面

使用ffmpeg的主要原因是工作需要，期间总是会涉及音频的采样率、音量啥的转换，音频的剪切与合成叠加。这是以前在别的平台发布的，整合一下丢在这，方便以后查阅。

一、工作时涉及到的音频名词

1、声道

当人听到声音时，能对声源进行定位，那么通过在不同的位置设置声源，就可以造就出更好的听觉感受。声道越多的话，更能获得身临其境的听音体验，声音的环绕效果也会更加的真实。

比如手机的单扬声器就是单声道，有双扬声器的手机就可以支持双声道（貌似是可以独立发声的声源有几个，就是几声道）。

常见的声道

单声道	mono
双声道	stereo，最常见的类型，包含左声道以及右声道
2.1声道	在双声道基础上加入一个低音声道
5.1声道	包含一个正面声道、左前方声道、右前方声道、左环绕声道、右环绕声道、一个低音声道，最早应用于早期的电影院
7.1声道	在5.1声道的基础上，把左右的环绕声道拆分为左右环绕声道以及左右后置声道，主要应用于BD以及现代的电影院

2、采样率

通常音频是连续的声波，但在机器传输时需要转换为01的数字信号。音频采样，是把声音从模拟信号转换为数字信号。采样率，就是每秒对声音进行采集的次数，同样也是所得的数字信号的每秒样本数。

采样越高，声音的还原就越真实越自然，人对频率的识别范围是 20HZ - 20000HZ, 如果每秒钟能对声音做 20000 个采样, 回放时就足可以满足人耳的需求。

在对声音进行采样时，常用的采样率有：

8,000Hz	电话所用采样率, 对于人的说话已经足够
11,025Hz	AM调幅广播所用采样率
22,050Hz和24,000Hz	FM调频广播所用采样率
32,000Hz	miniDV、数码视频、camcorder、DAT (LP mode)所用采样率
44,100Hz	音频 CD,也常用于 MPEG-1 音频（VCD, SVCD, MP3）所用采样率
47,250Hz	商用 PCM 录音机所用采样率
48,000Hz	miniDV、数字电视、DVD、DAT、电影和专业音频所用的数字声音所用采样率
50,000Hz	商用数字录音机所用采样率
96,000Hz和192,000Hz	DVD-Audio、一些 LPCM DVD 音轨、BD-ROM（蓝光盘）音轨、和 HD-DVD （高清晰度 DVD）音轨所用所用采样率
2.8224MHz	Direct Stream Digital 的 1 位 sigma-delta modulation 过程所用采样率

3、采样位数

采样值或取样值（声音的连续强度被数字表示后可以分为多少级，即将采样样本幅度量化）。它是用来衡量声音波动变化的一个参数，也可以说是声卡的分辨率。它的数值越大，分辨率也就越高，所发出声音的能力越强。

常见的位数有：

• 8bit(也就是1字节) 只能记录 256 个数, 也就是只能将振幅划分成 256 个等级；
• 16bit(也就是2字节) 可以细到 65536 个数, 这已是 CD 标准了；
• 32bit(也就是4字节) 能把振幅细分到 4294967296 个等级, 实在是没必要了。

4、帧

音频在量化得到二进制的码字后，需要进行变换，而变换（MDCT）是以块为单位（block）进行的，一个块由多个（120或128）样本组成。而一帧内会包含一个或者多个块。帧的常见大小有960、1024、2048、4096等。一帧记录了一个声音单元，它的长度是样本长度和声道数的乘积。（有点像搬家时候打包行李）

5、样本组合方式

这个主要是针对双声道或多声道音频来说的，对于一个双声道音频来说，它的组合方式可能有以下两种：

• 交错（interleaved）。以stereo为例，一个stereo音频的样本是由两个单声道的样本交错地进行存储得到的。
• 平面（planar）。各个声道的样本分开进行存储。

6、比特率

每秒的传输速率(位速, 也叫比特率)。如128kbps 或 128000bps, 其中的 b 是 bit, ps 是每秒(per second)的意思，表示每秒128000bit的容量。压缩的音频文件常常用倍速来表示，譬如达到CD音质的MP3是128kbps/44100HZ。

注意这里的单位是bit而不是Byte,一个Byte等于8个bit(位),bit是最小的单位，一般用于网络速度的描述和各种通信速度，Byte则用于计算硬盘，内存的大小。 

Mbps 即：Milionbit per second(百万位每秒)；
Kbps 即： Kilobit per second（千位每秒);
bps 即：bit per second (位每秒)

扩展：
1M带宽就是1Mbps = 1000000 bps=1000000/8/1000 = 125；所以1M带宽的下载速率一般不超过125KB/s。
100M宽带也就是100000000bps = 100000000/8/1000/1000 = 12.5，所以100M带宽的下载速率最大可达到12.5MB/s。

二、ffmpeg安装

1、Windows下配置安装

• 在ffmpeg官网上下载相关版本的软件。
• 将压缩包解压在一个文件夹中。
• 添加环境变量，文件夹层级到bin即可，即其下包含ffmpeg.exe、ffplay.exe、ffprobe.exe的文件夹。

• cmd进入小黑框，输入ffmpeg，如果弹出界面，表示没有问题，可以使用，不过尤其要注意红框中的数目，有七个，之前我在linux部署少一个，导致音频拼接会出现问题。

2、Linux下配置安装

直接通过包管理器安装即可：

如果是Debian的系统（如Ubuntu）

sudo apt update
sudo apt install ffmpeg

如果是基于Red Hat的系统（如CentOS）

sudo yum update
sudo yum install ffmpeg ffmpeg-devel

三、ffmpeg音频常用命令

1、音频合成

1）方案一

# 将0.txt中记录的音频进行合成，保存为1.wav
ffmpeg -y -f concat -safe 0 -i 0.txt -c copy 1.wav

其中txt中的文本格式为file %s，音频最好是绝对路径

（常用，毕竟可以指定多个音频一起叠加，但由于需要txt，可能需要合成完音频后删除掉txt文件，减少资源占用）

2）方案二

# 将0.mp3与1.mp3进行拼接，得到2.mp3
ffmpeg -i "concat:0.mp3|1.mp3" -acodec copy 2.mp3

其中，-acodec    表示指定音频编码输出格式，copy表示同原始音频。
注意，是双引号，自测单引号会报错。

2、音频叠加

# 将0.wav与1.wav音频进行叠加，得到音频2.wav。其中，1.wav是在0.wav播放3s后叠加进去的。
ffmpeg -y -i 0.wav -i 1.wav -filter_complex [1]adelay="3000|3000\"[del1];[del1][0]amix 2.wav

其中字段解释如下 

-filter_complex	一种滤镜参数，功能异常强大，这里只是音频叠加
[1]	指代第二个输入源，也就是1.wav
3000|3000	表示左右声道都延迟3s
[del1]	将第一个处理结果保存为临时文件，并命名为del1
[del1][0]amix	指定音源[del1]和第一个输入源进行拼接

3、音频剪切

# 剪切0.wav的音频片段，从2s开始，剪切10s，保存为1.wav
ffmpeg -y -i 0.wav -ss 2 -t 10 1.wav

其中，-ss表示开始时间，-t表示间隔时长。

4、音频转换

这里的转换包含多个，可以根据需要适当拼接成一条命令

1）音频格式转换

# 将0.wav的格式转变为mp3，并保存为1.mp3
ffmpeg -y -i 0.wav 1.mp3

2）音频音量调节

# 将0.wav的音量保持不变，并保存为1.wav
ffmpeg -y -i 0.wav -vol 100 1.wav

其中，vol里面的参数为百分制，相对于原来音频的音量 

3）音频速度调节

# 将0.wav的播放速率调整为之前的两倍，并保存为1.wav
ffmpeg -y -i 0.wav -af "atempo=2.0” 1.wav

其中，-af表示音频速度，atempo里面的参数为倍数，取值范围为[0.5，2.0]，相对于原来的几倍。

4）音频采样率调节

# 将0.wav的采样率转为16k，并保存为1.wav
ffmpeg -y -i 0.wav -ar 16000 1.wav

其中，-ar表示为采样率。

5）音频通道数调节

# 将0.wav的通道数改为1，并保存为1.wav
ffmpeg -y -i 0.wav -ac 1 1.wav

其中，-ac表示为通道数。