用途
Audio editing (ffmpeg) 用于对视频音轨进行清理与混音，包含三类常见操作：响度归一化、降噪、以及添加背景音乐。这些配方本质上是普通的 ffmpeg 单行命令，没有额外的 CLI 命令包装。每条配方都会对视频做流复制（-c:v copy，快速且无损），只把音频重新编码为 aac。
选择操作的判断方式：
- 音频过轻、过响或各片段之间不一致 → 归一化（normalize）。
- 有背景嘶声、嗡声、风扇噪声 → 降噪（denoise）。
- 需要在旁白下铺一条音乐 → 添加音乐（使用 sidechain 风格的 duck，让人声出现时音乐自动降低）。
- 要去除 um/uh 等口头停顿 → 使用 filler-removal 技能，而非本技能。
主要能力
响度归一化
命令：
ffmpeg -y -i in.mp4 -af loudnorm=I=-16:TP=-1.5:LRA=11 -c:v copy -c:a aac out.mp4
-16 LUFS / -1.5 dBTP 是通用的网页目标值。上面的单次处理对大多数片段已足够。若需要精确目标值（或批量一致性），可做两遍处理：先运行一次并加 loudnorm=...:print_format=json，读取测量值，再在第二次运行时作为 measured_I/measured_TP/measured_LRA/measured_thresh 传回。
平衡不一致的电平（演讲者声音大 vs 观众声音小）
在讲座、圆桌、访谈中最常见的「修音频」需求并非噪声，而是电平起伏：主讲人靠近麦克风声大，观众提问声微弱，峰值几乎削波。先压缩收紧动态范围，再归一化：
ffmpeg -y -i in.mp4 -af
"acompressor=threshold=-21dB:ratio=3:attack=15:release=250:makeup=3,
equalizer=f=2800:t=q:w=2:g=2,
loudnorm=I=-14:TP=-1.5:LRA=9"
-c:v copy -c:a aac out.mp4
- acompressor 把响的部分压下来；makeup 整体提升，使轻的部分被抬升，最终得到一致响度。阈值越低 / 比率越高，电平越统一。
- 温和的均衡器清晰度提升（约 2.5–3.5 kHz）可增强可懂度。
- loudnorm 使用紧凑的 LRA（7–9）完成电平统一；检查输出是否有抽吸感（pumping）。
建议先用 astats（RMS level dB / Peak level dB）诊断：RMS 到峰值差距过大，或峰值接近 0 dB，说明需要压缩而非降噪。
降噪（嘶声 / 嗡声）
命令：
ffmpeg -y -i in.mp4 -af afftdn=nr=12 -c:v copy -c:a aac out.mp4
afftdn 是 FFT 降噪器，无需额外依赖。nr 为降噪量（dB），常见 10–20；数值越高越激进但伪影/水下感越强——从 12 开始并试听。可与归一化合并为一次处理：-af "afftdn=nr=12,loudnorm=I=-16:TP=-1.5:LRA=11"。
添加背景音乐
如果剪辑是 EDL，应把音乐放入 EDL 中："music": {"src": …, "gain_db": -18, "duck": true, "fade_out": 2.0} 会在同一次渲染中混入（循环覆盖整段剪辑），因此无需再额外重新编码一次。下面的配方适用于已经完成的视频，或 EDL 之外的单次混音。
普通混音（音乐在现有音频下以固定电平存在）：
ffmpeg -y -i in.mp4 -i bg.mp3 -filter_complex
"[1:a]volume=-18dB[bg];[0:a][bg]amix=inputs=2:duration=first[a]"
-map 0:v -map "[a]" -c:v copy -c:a aac -shortest out.mp4
音乐在语音下自动降低（人说话时音乐自动下沉）——旁白场景通常需要这个：
ffmpeg -y -i in.mp4 -i bg.mp3 -filter_complex
"[1:a]volume=-18dB[bg];
[bg][0:a]sidechaincompress=threshold=0.03:ratio=8:attack=20:release=300[bgd];
[0:a][bgd]amix=inputs=2:duration=first[a]"
-map 0:v -map "[a]" -c:v copy -c:a aac -shortest out.mp4
sidechain 用原始语音（[0:a]）作为触发信号压缩音乐（[bg]）：语音越响，音乐被衰减越多。可调节 ratio（压低深度）、attack（多快开始压低，毫秒）、release（音乐多快恢复，毫秒）。
使用方式与注意事项
- 添加音乐时始终使用 -shortest，否则较长的音乐轨道会让片段超出视频长度，导致后续环节全部不同步。
- amix 可能降低整体电平——若结果听起来偏轻，可在 amix 输出后追加 ,loudnorm=I=-16:TP=-1.5:LRA=11，或在混音前用 volume 提升语音。
- 音频要重新编码为 aac（-c:a aac）；滤镜之后不要再用 -c:a copy。
- duration=first 会让输出长度跟随 amix 的第一个输入（语音）——保持语音在 amix 链中的第一位。
适用场景
适合演讲、访谈、圆桌讨论、旁白视频等后期音频的电平统一、降噪与背景音乐铺设，也适合作为 EDL 之外的一次性混音操作。
限制
- 去除口头语（um/uh）不属于本技能，需使用 filler-removal 技能。
- 两遍 loudnorm 与压缩等具体参数需根据素材试听调整，文档只给出参考范围。
- 价格、平台支持范围等信息暂未提供。