视频音频处理大师

Why this exists

口播、Vlog、探店视频最常见的问题是：同一句话前后音量忽大忽小，长气口拖节奏，空调风声和房间混响让人声发闷，平台还对响度有硬约束。手动在 Audition 或 FFmpeg 里逐段压限既慢又难复现，很快你会得到一堆参数互相打架的滤镜链。这个技能要做的是把“先测量、再选处理路径、最后导出”的流程固化下来，让音频处理可重复、参数可解释。

• 没量化指标时凭耳朵调 loudnorm，导出后才发现 True Peak 超标，平台直接二压。
• 长气口靠人工剪辑，听一遍拖进度条再切，半小时只能处理一个视频。
• 降噪和 EQ 叠加，词尾容易炸出“刺啦”声，听起来比底噪还难受。

How it works

技能只依赖本地 FFmpeg 与 Python 3，不调用任何 AI 生成模型。工作流分为四步：

1. 气口分析：scripts/analyze_silence.py 扫描音频，输出均值/峰值音量、整合响度 LUFS、True Peak、动态范围 LRA，并自动检测首部、尾部、长气口和短气口。支持 --threshold 手动指定静音阈值，--min-dur 最短静音时长，--json 输出报告。
2. 判断处理模式：根据底噪和动态范围决定 --mode light 或 --mode full。原片干净时走单链轻处理；底噪明显时走人声分离 + FFT 降噪；LRA >= 8 自动套用强压缩参数。
3. 音频处理：scripts/process_audio.py 组合高通、噪声门、压缩器、三段 EQ、去齿音和响度归一化。关键链路是 loudnorm 必须在 alimiter 之前，否则响度归一化会把信号顶过 True Peak。
4. 合成输出：视频流 -c:v copy 直接拷贝，音频替换为 192kbps AAC，附加 +faststart 支持流式播放。支持竖屏 1080x1920 与 H.265 素材，不改分辨率和编码。

Limits and gotchas

• afftdn 的 musical noise 陷阱：当原片底噪已经很干净时，FFT 降噪会在词尾留下规律性伪音，听起来像“刺啦”声。判断标准很简单——如果你做不做降噪都听不出区别，就不该用 afftdn，应直接选择 --mode light 跳过它。
• afftdn 的 om 参数：om=o 输出降噪后的人声信号，om=n 输出被去除的噪声成分（环境音），full 模式下通过两条链路分离又混合。降噪强度 nr 从常见的 30 降到默认 20，就是为了避免 musical noise。
• AAC 编码会产生 inter-sample peak：limiter 只管 sample peak，AAC 编码后 True Peak 可能超过 0 dBTP。遇到这个情况，用 --aac-trim 1.0 在编码前再衰减 1 dB。
• 大动态范围：原片 LRA ≥ 8 LU 时，默认 ratio 2.5 压不住，建议将压缩比率调整到 3.5，阈值降到 0.15，并把 loudnorm 的 LRA 目标压到 7。
• 气口均匀化不是它的工作：检测到长气口时，建议转给 video-editor 技能的 recut_video.py 重新剪辑，本技能只负责音频参数的分析与处理。