波仔
🎬 第七章 FFmpeg命令行实现音视频特效及复杂滤镜应用
📄 一句话概括

anullsrc 凭空造静音，r 管采样率、cl 管声道、-t 管时长。 它默认是 u8 格式，静音的数值是 128，不是 0。

📝 本节和前面几节的关系

这一节开始讲「凭空造素材」，跟视频那边的 color、nullsrc 是一套。 合成、占位、补时长都要用到它。

一、anullsrc 是什么

跟视频那边的 color、nullsrc 是同一类东西：lavfi 源滤镜，凭空造数据。 anullsrc 造的是静音——全长都是零电平。

ffmpeg -f lavfi -i anullsrc=r=44100:cl=stereo -t 2 -c:a aac silent.m4a

-f lavfi 表示输入来自滤镜而不是文件，-t 2 是时长两秒。 不加 -t 它会一直造下去——跟 nullsrc 一样是无限长的源。

什么时候需要一段静音：给视频补一条空音轨（有些播放器没音轨不出声）、 做转场的空白段、拼多段时对齐时间轴。

二、实测：格式与数值

拉十批出来看，参数是这样：

项 值

采样格式 u8 声道布局 stereo 采样率 44100 每批点数 1024 每批时长 23.2 毫秒 样本数值范围 128 ~ 128

注意最后一行：静音的数值是 128，不是 0。 因为默认采样格式是 u8——无符号 8 位，0 电平存在中点 128。

这是「有符号 / 无符号」的区别：s16 的静音是 0，u8 的静音是 128。 拿 u8 的数据去做「求绝对值找峰值」，静音会算出 128 的峰值，看着像满幅噪声。

所以看音频数据之前，先看采样格式。 这一条在分析任何音频时都成立，不只是 ffmpeg 造的静音。

三、三个参数

常用的就三个：

写法 含义

anullsrc=r=48000:cl=stereo 48 kHz 立体声 anullsrc=r=44100:cl=mono 单声道 anullsrc=r=48000:cl=5.1 5.1 环绕

r 是采样率，cl 是声道布局——这两个参数决定这条静音能不能直接跟视频混。 采样率不一致，混流时 ffmpeg 会插值重采样，白折腾一遍，还可能有杂音。

cl 里还能写 sample_fmt，比如 anullsrc=r=44100:cl=mono:sample_fmt=s16。 要让静音是「数值 0」而不是 128，就得显式指定 s16。

四、想要有声音，用 aevalsrc

aevalsrc 跟 geq 是一对：geq 逐像素写公式，aevalsrc 逐样本写公式。

ffmpeg -f lavfi -i "aevalsrc=sin(2*PI*440*t):s=44100:d=1" tone.wav

sin(2*PI*440*t) 就是一秒 440 Hz 的正弦（标准音 A4）， 实测正好 44100 个点、峰值 1.00。

所以「造一段静音」用 anullsrc，「造一段测试音」用 aevalsrc。 两者都是源，都能接 -t 或者 d= 控制长度，也都能直接进 -filter_complex。

测试音在实战里很有用：查「有没有声音」比查「有没有画面」难得多， 用一段已知频率的测试音去跑一遍链，能确认音频到底在哪一环断掉的。

五、动手 Demo：静音的格式与数值、一段测试音

下面这段代码先拉十批 anullsrc 出来，看格式、采样率、每批点数与数值范围； 再用 aevalsrc 造一秒 440 Hz，确认点数是 44100。

import av

print(u"--- anullsrc 的格式与数值")
g = av.filter.Graph()
s = g.add(u"anullsrc", u"r=44100:cl=stereo")
sk = g.add(u"abuffersink")
s.link_to(sk)
g.configure()
tot, n, lo, hi = 0, 0, 999, -999
for _ in range(10):
    try:
        f = sk.pull()
    except Exception:
        break
    a = f.to_ndarray()
    n += 1
    tot += f.samples
    lo = min(lo, int(a.min()))
    hi = max(hi, int(a.max()))
    fmt, lay, rate = f.format.name, f.layout.name, f.sample_rate
print(u"  格式 %s  声道 %s  采样率 %d" % (fmt, lay, rate))
print(u"  拉了 %d 批，共 %d 点/声道，数值 %d ~ %d" % (n, tot, lo, hi))
print(u"  每批 %d 点，%.1f 毫秒" % (tot // n, tot / float(n) / rate * 1000))

print(u"--- aevalsrc 造 440 Hz 正弦")
g = av.filter.Graph()
s = g.add(u"aevalsrc", u"sin(2*PI*440*t):s=44100:d=1")
sk = g.add(u"abuffersink")
s.link_to(sk)
g.configure()
n, amp = 0, 0.0
for _ in range(200):
    try:
        f = sk.pull()
    except Exception:
        break
    n += f.samples
    amp = max(amp, float(abs(f.to_ndarray()).max()))
print(u"  1 秒实得 %d 点，峰值 %.2f" % (n, amp))

实跑输出：

--------------------------------------------------------------------
7.16.1 生成静音音频
--------------------------------------------------------------------

**① anullsrc 是「什么都不发出的音频源」**

**跟视频那边的 `color`、`nullsrc` 是同一类东西：lavfi 源滤镜，凭空造数据。**
**`anullsrc` 造的是静音——全长都是零电平。**

`ffmpeg -f lavfi -i anullsrc=r=44100:cl=stereo -t 2 -c:a aac silent.m4a`

**`-f lavfi` 表示输入来自滤镜而不是文件，`-t 2` 是时长两秒。**
**不加 `-t` 它会一直造下去——跟 `nullsrc` 一样是无限长的源。**

**② 实测：格式、声道、每批点数**

  项               值
  ------------------------------
  采样格式         u8
  声道布局         stereo
  采样率           44100
  每批点数         1024
  每批时长         23.2 毫秒
  样本数值范围     128 ~ 128

**注意最后一行：静音的数值是 128，不是 0。**
**因为默认采样格式是 `u8`——无符号 8 位，0 电平存在中点 128。**

**这是「有符号 / 无符号」的区别：`s16` 的静音是 0，`u8` 的静音是 128。**
**拿 `u8` 的数据去做「求绝对值找峰值」，静音会算出 128 的峰值，看着像满幅噪声。**
**遇到这种事，先看采样格式再下结论。**

**③ 换采样格式与声道**

  写法                           含义
  ------------------------------------------------
  anullsrc=r=48000:cl=stereo     48 kHz 立体声
  anullsrc=r=44100:cl=mono       单声道
  anullsrc=r=48000:cl=5.1        5.1 环绕

**`r` 是采样率，`cl` 是声道布局。这两个参数决定「这条静音音轨能不能直接跟视频混」——**
**混流时采样率不一致，ffmpeg 会插值重采样，白折腾一遍。**

**④ 想要「有声音但很轻」，用 aevalsrc**

**`aevalsrc` 跟 `geq` 是一对：geq 逐像素写公式，aevalsrc 逐样本写公式。**
**`sin(2*PI*440*t)` 就是一秒 440 Hz 的正弦，实测正好 44100 个点、峰值 1.00。**

**所以「造一段静音」用 `anullsrc`，「造一段测试音」用 `aevalsrc`。**
**两者都是源，都能接 `-t` 控制长度。**

第一段四行就是本节那张表：u8、stereo、44100、每批 1024 点。 数值范围 128 ~ 128 说明整段是平的，一个采样点都没波动。

「每批 1024 点」是 ffmpeg 音频滤镜的默认块大小（abuffersink 一次吐 1024 个样本），换成视频那边的说法就是「一次吐一帧」。

第二段是 440 Hz 正弦：一秒正好 44100 点，峰值 1.00。 点数对得上，说明 d=1 是真的按采样率乘的，不是随便给的。

30 秒实验

  1. 换采样率：把 r=44100 改成 r=8000，看每批时长是不是变成 128 毫秒。
  2. 试 s16：加 :sample_fmt=s16，看数值范围是不是变成 0 ~ 0。
  3. 换频率：把 440 改成 1000，点数不变、波形变密。

常见误区

  1. 把 u8 的 128 当「有很大声音」。128 就是 0 电平。
  2. 不加 -t 也不加 d=。它会一直造，命令永远不结束。
  3. 静音音轨采样率跟视频不匹配。混流时会重采样，白折腾。
自测三问（点开对答案） 1. 静音在 u8 格式下的数值是多少？ —— 128。u8 是无符号的，0 电平存在中点。 2. 怎么让它一直造下去？ —— 不加 `-t` 也不加 `d=`，它就是无限长的源。 3. 造一段 440 Hz 测试音用什么？ —— `aevalsrc=sin(2*PI*440*t):s=44100:d=1`。

相关笔记