← Back to home
Skill

audio-loudnorm

tencent_skillhub · 1.0.1 · Downloads 166 · Heat 38.9

Introduction

# 🔊 音频响度均衡 loudnorm(FFmpeg 响度标准化工具) ## 功能简介 对音频 / 视频文件做响度均衡,修复录音音量忽大忽小、讲话声音轻重不均、整体音量过高 / 过低的问题,统一响度水平。基于 FFmpeg `loudnorm` 滤镜,支持**单遍快速处理**与**两遍精准模式**,兼顾处理速度与音质。 ## 触发使用场景 - 视频 / 录音声音忽高忽低、音量波动大 - 需要均衡音量、音频响度修复(loudness fix /normalize audio) - 会议录制、口述录音,说话人音量大小参差 ## 调用命令 > > 直接运行 Python 脚本,底层自动调用 ffmpeg 完成探测、响度测量、音频重编码 1. **单遍快速(日常简单场景)** ``` python C:/Users/whan78/.workbuddy/skills/audio-loudnorm/scripts/loudnorm.py <输入文件> ``` 2. **两遍精准(推荐,音质更好,波动控制更稳定)** ``` python C:/Users/whan78/.workbuddy/skills/audio-loudnorm/scripts/loudnorm.py <输入文件> --two-pass ``` 3. **极端波动:强力压缩 + 自定义响度目标** ``` python C:/Users/whan78/.workbuddy/skills/audio-loudnorm/scripts/loudnorm.py <输入文件> --target -16 --lra 8 --compress ``` ## 内部处理流程 1. **文件探测** 使用 ffprobe 读取文件,校验音频流,获取音频编码、采样率、总时长信息。 ``` ffprobe -v quiet -print_format json -show_streams <文件> ``` 2. **响度测量(仅两遍模式执行)** 扫描整段音频,输出 JSON 格式响度指标,获取原始音频的平均响度、响度波动、峰值等数据。 ``` ffmpeg -i <输入文件> \ -af "loudnorm=I=-14:TP=0:LRA=11:print_format=json" \ -vn -sn -dn -c:a aac -b:a 128k -f null - 2>&1 | tail -n 15 ``` 测量指标含义: - `input_i`:原始平均响度(LUFS) - `input_lra`:响度波动范围(LU),数值越大音量起伏越剧烈 - `input_tp`:音频真峰值 (dBTP) - `input_thresh`:响度检测阈值 3. **响度标准化编码输出** - 单遍模式:无需前置扫描,滤镜自动实时估算调整,速度快 ``` ffmpeg -i input.mp4 \ -af "loudnorm=I=-14:TP=0:LRA=11" \ -c:v copy -c:a aac -b:a 128k output.mp4 ``` - 两遍模式:带入第一步实测响度参数,线性校正,精度更高 ``` ffmpeg -i input.mp4 \ -af "loudnorm=I=-14:TP=0:LRA=11:measured_I=-26.41:measured_TP=-1.49:measured_LRA=8.80:measured_thresh=-37.29:linear=true" \ -c:v copy -c:a aac -b:a 128k output.mp4 ``` 4. **结果校验** 对输出文件再次检测响度,确认输出平均响度接近目标值,响度波动 LRA 相比原始音频明显降低。 ``` ffmpeg -i output.mp4 \ -af "loudnorm=I=-14:TP=0:LRA=11:print_format=json" \ -vn -sn -dn -c:a aac -b:a 128k -f null - 2>&1 | tail -n 15 ``` ## 参数说明 表格 | 参数 | 默认值 | 说明 | | --- | --- | --- | | --target | -14 | 目标响度 LUFS,网络视频 / 播客常用 - 14 | | --lra | 11 | 响度波动上限 (LU),数值越小,音量越平稳 | | --two-pass | 关闭 | 开启两遍模式:先全文件扫描测量,再处理,音质更精准 | | --compress | 关闭 | 额外增加压缩滤镜,适合音量极端起伏的录音 | | --output | 自动 | 输出文件路径,默认生成`原文件名_normalized.mp4` | | --video-codec | copy | 视频编码,copy 直接复制视频流,不重新编码,速度快;libx264 为重新编码 | ## 场景推荐配置 表格 | 使用场景 | target | LRA | 备注 | | --- | --- | --- | --- | | 短视频、播客、网络视频 | -14 | 11 | 通用标准配置 | | 会议录音、访谈 | -16 | 8 | 更平稳,保留人声自然感 | | 轻度音量不均,不想改动太大 | -14 | 14 | 轻微校正 | | 音量起伏极大,LRA>15 | -14 | 6 | 需要搭配`--compress`强力压缩 | ## 重要注意事项 1. `-c:v copy` 直接复用视频流,**不重新编码视频**,处理速度快,视频画质不变;如果需要修改分辨率、视频编码,改为`libx264`。 2. 两遍模式处理耗时约为单遍的 2 倍,但响度控制效果更好,优先推荐人声录音场景使用。 3. 原始音频音量差异巨大时,建议先启用`--compress`,再做响度标准化。 4. 输出文件默认命名:`原文件名_normalized.mp4`。

Resource Information

Author:user_062b6eda
Category:Multimedia
Version:1.0.1
Auth: No auth
Pricing: Not specified

License information is collected from official sources and may be outdated or missing. Refer to the LICENSE file in the original repository before commercial use.

Tags
音频处理

Information boundary

Information on this page is collected from official documents for technical presentation only and does not imply our endorsement. Pricing, quotas and availability are subject to the latest official statements. We make no commitment regarding any action you take after leaving this site.

Similar skills

视频短视频图片音乐音频配音口播数字人全能创作

Marked paid

通过同一个AI创作工具完成AI图片、视频、音乐与语音创作,查找公开社交数据,编辑视觉成果,并集中查看和管理生成资产。Beatra 全能创作支持AI图片生成(文生图)、AI视频生成(图生视频)和AI视频编辑,通过AI音乐生成把想法做成歌曲或纯音乐,也可用AI语音生成(文字转语音)、多语言旁白和AI语音克隆完成跨媒介内容;还能查找抖音数据、小红书数据,以及 YouTube、TikTok、Instagram 与 X 上的公开帖子、笔记、评论、账号和趋势,把社交媒体数据用于竞品调研和创作。它是一款面向AI内容创作与多模态内容创作的AI创作套件,用起来就是一个把图片、视频、音乐与语音收在同一处的AI创作助手,适用于社交内容、产品展示、营销素材、课程、播客、短片和跨媒介项目;还能在不同媒介间复用原始素材、已有成果和查到的公开资料,查看制作进度、返回文件、实际用量和积分记录。

AI数字人口播与虚拟主播视频

Marked paid

用一张人像和一段短脚本或语音,制作有明确讲述内容的数字人口播视频。可使用现成录音,也可以先选择音色,把脚本生成旁白,让画面中的人物随声音完成稳定、自然的口播。适合 AI 主播、虚拟主播视频、数字人讲解、让照片说话、照片说话视频、产品讲解视频、数字人培训视频、公告和社交口播,并在交付后检查人物一致性、声音清晰度、口型同步和动作稳定性。

罗斯蒙德可视化图形生成

Not specified

【罗斯蒙德可视化图形生成】南京罗斯蒙德基于已交付项目沉淀的可视化图形生成场景:根据业务描述或系统需求,自动生成可编辑的架构图、流程图、ER 图、时序图、状态图与 C4 图。采用「统一图模型」一次建模、多格式输出:结构化文本(Mermaid / PlantUML,可嵌入 Markdown、进 Git 版本管理)、可编辑图形文件(drawio / Excalidraw,可拖拽修改节点与样式)、静态图(SVG 自渲染,PNG 给转换命令),并输出图形说明(图的含义 + 关键节点解释)。内置样式系统统一配色与命名,内置布局引擎自动排布,校验脚本拦截孤立节点、悬挂连线与语义缺漏。触发词:画架构图、画流程图、画 ER 图、画时序图、画状态图、C4 图、系统架构图、部署架构图、数据流程图、实体关系图、生成 drawio、生成 Excalidraw、导出 mermaid、导出 PlantUML、导出 SVG、导出 PNG、可编辑的图、图转可编辑、架构图可编辑、流程图二次修改、画图、出图、画个图。

架构图一键生成

Marked paidAPI key required

使用 ContextWeave 生成或修改架构图、流程图、思维导图和复杂信息图。适用于需要从代码、文件或自然语言中提取结构与关系并实际产出 CW、SVG、HTML、可编辑 PPTX 或原生 VSDX 的请求;未特别说明时,PPTX 与 Visio 使用原生形状和连接器导出。不适用于统计图表、手绘插画或像素级排版。

AI Image Prompts · 绘画提示词库

Marked free

Recommend curated prompts from a 10,000+ real-world image generation prompt library. Works with ANY AI image model — Nano Banana Pro, Nano Banana 2, Seedream 5.0, GPT Image 1.5, Midjourney, DALL-E 3, Flux, Stable Diffusion, and more. Use this skill when users want to: - Find proven image generation prompts (any model) - Get prompt inspiration for portraits, products, social media, posters, etc. - Create illustrations for articles, videos, podcasts, or marketing content - Browse categorized prompt templates with sample images - Translate and understand prompt techniques

架构图一键生成

Marked paidAPI key required

使用 ContextWeave 生成或修改架构图、流程图、思维导图和复杂信息图。适用于需要从代码、文件或自然语言中提取结构与关系并实际产出 CW、SVG、HTML、可编辑 PPTX 或原生 VSDX 的请求;未特别说明时,PPTX 与 Visio 使用原生形状和连接器导出。不适用于统计图表、手绘插画或像素级排版。

What is a Skill

A Skill is a packaged single capability, such as text recognition, document summarization, or keyword extraction. Developers wrap the calling logic and prompts into a plugin-like unit, so users can load it without understanding the underlying model. StackPilot indexes a large number of skills that can be tried instantly or assembled into a plan.