播客音频后处理完全指南 — 从录制到发布的音频工程

为什么你需要音频后处理

录一段播客，打开文件一听：底噪嗡嗡响、声音忽大忽小、跟别的播客放在一起明显偏轻或偏响。这不是设备的问题——即使用 $500 的麦克风，原始录音也需要后处理。

播客后处理的核心目标只有三个：

1. 干净 — 去除环境噪声、电流底噪、嘴部杂音

2. 一致 — 让声音的动态范围可控，不会忽大忽小

3. 标准 — 满足各平台的响度要求，让听众不需要手动调音量

本文将围绕一条经过实战验证的 四级滤镜链（highpass → afftdn → acompressor → loudnorm），用 ffmpeg 命令行实现专业级的播客后处理。

行业响度标准：你必须知道的数字

在动手之前，先搞清楚"处理到什么程度才算合格"。

EBU R128 标准

EBU R128 是欧洲广播联盟制定的响度标准，被全球广播和流媒体行业广泛采纳。核心概念：

> LUFS 和 LKFS 是同一个东西。LUFS（Loudness Units relative to Full Scale）是 EBU 叫法，LKFS（Loudness, K-weighted, relative to Full Scale）是 ITU 叫法。-16 LUFS = -16 LKFS。

各平台要求一览

实际建议：瞄准 -16 LUFS。原因：

• Apple 明确要求 -16 LUFS，且它是播客市场的最大平台之一
• Spotify 虽然标 -14 LUFS，但 -16 LUFS 的音频只会被轻微提升（+2 dB），几乎无损
• 反过来，如果你做到 -14 LUFS，在 Apple 上会被压低，反而可能引入失真
• 国内平台没有归一化机制，-16 LUFS 是安全选择

四级滤镜链详解

这是核心。四个滤镜按顺序串联，每一级解决一个特定问题：

原始音频 → [1. highpass] → [2. afftdn] → [3. acompressor] → [4. loudnorm] → 成品
           去低频隆隆声    去环境底噪     压缩动态范围      响度归一化

为什么是这个顺序？

• highpass 必须在最前面：低频噪声会干扰后续所有处理的判断
• afftdn 在压缩之前：压缩器会放大安静部分，如果不先降噪，底噪也会被放大
• acompressor 在 loudnorm 之前：先压缩动态范围，再做响度归一化，效果更自然
• loudnorm 放在最后：它需要看到"最终状态"的音频来做精确的响度调整

第一级：highpass — 高通滤波（去低频隆隆声）

原理

高通滤波器（High-Pass Filter）让高于截止频率的信号通过，衰减低于截止频率的信号。在播客场景中，用来去除：

• 空调/暖通系统的低频嗡嗡声（50-80 Hz）
• 电源 50/60 Hz 工频干扰
• 麦克风底座震动传导的隆隆声
• 风噪和 pop（爆破音）的低频分量

人声的基频范围大约在 85 Hz（低沉男声）到 300 Hz（高音女声），但播客中有用的信息基本都在 80 Hz 以上。

ffmpeg 参数

highpass=f=80

调参技巧

• 80 Hz 是安全默认值，适用于大多数人声
• 低沉男声（如播客主持 Joe Rogan 类型）：降到 60-70 Hz 以保留胸声
• 明确有低频干扰（如在室外录制）：可以提到 100-120 Hz
• 不要超过 120 Hz，否则人声会变得单薄，失去"温暖感"

单独测试

# 对比原始音频和高通处理后的效果
ffmpeg -i input.wav -af "highpass=f=80" -t 30 highpass_test.wav

# 只听被去掉的低频部分（反转法）
ffmpeg -i input.wav -af "highpass=f=80" -t 30 hp.wav
ffmpeg -i input.wav -i hp.wav -filter_complex "[0:a][1:a]amix=inputs=2:weights=1 -1" removed_lows.wav

第二级：afftdn — FFT 降噪

原理

afftdn（Audio FFT Denoise）是 ffmpeg 内置的频谱降噪滤镜。它的工作原理：

1. 对音频做短时傅里叶变换（STFT），将时域信号转换到频域

2. 分析噪声的频谱特征（哪些频率上有持续的噪声能量）

3. 根据噪声特征，对每个频率 bin 做衰减

4. 通过逆 FFT 还原到时域

与简单的频率滤波不同，afftdn 能识别和去除宽频噪声（如风扇声、空调声、电子底噪），同时尽量保留语音的频谱细节。

ffmpeg 参数

afftdn=nf=-25

参数调优

nf（noise floor）是最关键的参数。它表示"低于这个响度的信号都被视为噪声"：

• -20 dB：激进降噪，适合噪声很大的录音（嗡嗡作响的房间）。可能引入"水声"（musical noise）
• -25 dB：中等降噪，推荐默认值。平衡降噪效果和音质
• -30 dB：轻度降噪，适合已经比较安静的录音环境
• -40 dB：几乎不降噪，仅处理极低的底噪

如何确定最佳 nf 值

# 1. 先测量原始音频的底噪水平
# 找一段纯静音/无人说话的片段（比如开头 5 秒），测量其响度
ffmpeg -i input.wav -af "volumedetect" -ss 0 -t 5 -f null -

# 2. 输出中找 mean_volume，比如 -35 dB
# 3. nf 设为比 mean_volume 高 5-10 dB，即 -25 到 -30

高级用法：噪声 profile

如果录音开头有一段纯背景噪声（录音前的"静默"），可以用它作为噪声参考：

# 用噪声样本作为参考（前 3 秒是纯噪声）
ffmpeg -i input.wav -af "afftdn=nt=w:nf=-25:tr=0.5" output.wav

注意事项

• afftdn 处理过度会产生水声/金属声（musical noise），听起来像在水下说话
• 宁可降噪不够，也不要过度降噪——轻微底噪比水声好得多
• 对于 TTS 合成的音频，通常底噪极低，nf=-30 甚至可以跳过这一步

第三级：acompressor — 动态压缩

原理

压缩器（Compressor）是音频工程的核心工具。它的作用是缩小动态范围——让大声的部分变小一点，小声的部分相对变大一点。

在播客场景中，这意味着：

• 主持人突然提高嗓门时不会吓到听众
• 嘉宾声音偏小时不需要听众反复调音量
• 在地铁、开车等嘈杂环境中也能听清所有内容

压缩器的工作模型：

输入信号 → [超过阈值?] → 是 → 按比率衰减 → 输出
                        → 否 → 直接通过    → 输出

ffmpeg 参数

acompressor=threshold=-18dB:ratio=3:attack=5:release=50:makeup=2

参数详解

threshold（阈值）：最重要的参数。决定"多响才开始压"。

• -15 dB：只压最响的部分（轻度压缩）
• -18 dB：中等压缩，推荐值
• -24 dB：激进压缩，适合动态范围极大的录音（如户外采访）

ratio（压缩比）：

• 2:1 — 轻柔压缩，声音自然
• 3:1 — 中等压缩，播客推荐
• 4:1 — 较强压缩，广播电台风格
• ∞:1 — 限制器（limiter），完全防止超过阈值

attack（起音时间）：

• 1-5 ms — 快速起音，迅速抓住突发的响声。适合播客
• 10-30 ms — 让辅音冲击通过，保留更多"颗粒感"
• 播客推荐 5 ms：够快以控制突然的大声，不至于削掉辅音的清晰度

release（释放时间）：

• 20-50 ms — 快速释放，声音更有活力但可能"呼吸感"明显
• 50 ms — 播客推荐，平衡
• 100-200 ms — 慢释放，更平滑，但连续低语可能整体被压住

单独测试

# 只加压缩，对比前后动态范围
ffmpeg -i input.wav -af "acompressor=threshold=-18dB:ratio=3:attack=5:release=50" compressed.wav

# 测量压缩前后的动态范围
ffmpeg -i input.wav -af "volumedetect" -f null -
ffmpeg -i compressed.wav -af "volumedetect" -f null -

第四级：loudnorm — 响度归一化（EBU R128）

原理

loudnorm 是 ffmpeg 实现 EBU R128 响度归一化的滤镜。它是整条链的终极守门人——不管前面处理得怎么样，loudnorm 保证最终输出精确地达到目标响度。

它的工作流程：

1. 测量输入的 Integrated Loudness（整体响度）

2. 测量输入的 True Peak（真峰值）

3. 计算需要的增益/衰减量

4. 应用增益调整，同时确保 True Peak 不超限

ffmpeg 参数

loudnorm=I=-16:TP=-1.5:LRA=11

单 pass vs 双 pass

loudnorm 有两种工作模式：

单 pass（默认）：

ffmpeg -i input.wav -af "loudnorm=I=-16:TP=-1.5:LRA=11" output.wav

• 实时处理，一次完成
• 精度稍低（±0.5 LUFS）
• 适合快速批量处理

双 pass（推荐高精度场景）：

# Pass 1: 测量
ffmpeg -i input.wav -af "loudnorm=I=-16:TP=-1.5:LRA=11:print_format=json" -f null - 2>&1 | tail -12

# 输出类似:
# {
#   "input_i" : "-23.54",
#   "input_tp" : "-3.21",
#   "input_lra" : "7.80",
#   "input_thresh" : "-34.17",
#   "output_i" : "-16.02",
#   "output_tp" : "-1.50",
#   "output_lra" : "6.40",
#   "output_thresh" : "-26.65",
#   "normalization_type" : "dynamic",
#   "target_offset" : "0.02"
# }

# Pass 2: 用测量结果精确处理
ffmpeg -i input.wav -af "loudnorm=I=-16:TP=-1.5:LRA=11:measured_I=-23.54:measured_TP=-3.21:measured_LRA=7.80:measured_thresh=-34.17:offset=0.02:linear=true" output.wav

• linear=true：使用线性增益（整体提升/衰减），而不是动态压缩。音质更好
• 精度极高（±0.1 LUFS），但需要处理两遍

TP 为什么设 -1.5 而不是 -1？

• EBU R128 标准要求 True Peak ≤ -1 dBTP
• 但 MP3/AAC 编码时会产生 inter-sample peaks（采样间峰值），可能让峰值上浮 0.5 dB
• 设为 -1.5 留出了编码余量，确保最终 MP3/AAC 文件也不超 -1 dBTP

完整命令：一行搞定

标准播客处理命令

ffmpeg -i input.wav \
  -af "highpass=f=80,afftdn=nf=-25,acompressor=threshold=-18dB:ratio=3:attack=5:release=50:makeup=2,loudnorm=I=-16:TP=-1.5:LRA=11" \
  -ar 44100 -ac 1 -b:a 128k \
  output.mp3

参数说明：

• -ar 44100：采样率 44.1kHz（CD 质量，播客标准）
• -ac 1：单声道（人声播客标配，文件大小减半）
• -b:a 128k：128kbps CBR（Apple 推荐的最低比特率）

高质量双 pass 版本

#!/bin/bash
# podcast_process.sh — 双 pass 高精度播客后处理
INPUT="$1"
OUTPUT="${2:-${INPUT%.*}_processed.mp3}"

echo "🎙 Processing: $INPUT"

# Pass 1: 测量
LOUDNORM_STATS=$(ffmpeg -i "$INPUT" \
  -af "highpass=f=80,afftdn=nf=-25,acompressor=threshold=-18dB:ratio=3:attack=5:release=50:makeup=2,loudnorm=I=-16:TP=-1.5:LRA=11:print_format=json" \
  -f null - 2>&1 | grep -A 12 '{' | head -13)

# 提取测量值
INPUT_I=$(echo "$LOUDNORM_STATS" | grep input_i | tr -d '", ' | cut -d: -f2)
INPUT_TP=$(echo "$LOUDNORM_STATS" | grep input_tp | tr -d '", ' | cut -d: -f2)
INPUT_LRA=$(echo "$LOUDNORM_STATS" | grep input_lra | tr -d '", ' | cut -d: -f2)
INPUT_THRESH=$(echo "$LOUDNORM_STATS" | grep input_thresh | tr -d '", ' | cut -d: -f2)
OFFSET=$(echo "$LOUDNORM_STATS" | grep target_offset | tr -d '", ' | cut -d: -f2)

echo "📊 Measured: I=${INPUT_I} LUFS, TP=${INPUT_TP} dBTP, LRA=${INPUT_LRA} LU"

# Pass 2: 精确处理
ffmpeg -i "$INPUT" \
  -af "highpass=f=80,afftdn=nf=-25,acompressor=threshold=-18dB:ratio=3:attack=5:release=50:makeup=2,loudnorm=I=-16:TP=-1.5:LRA=11:measured_I=${INPUT_I}:measured_TP=${INPUT_TP}:measured_LRA=${INPUT_LRA}:measured_thresh=${INPUT_THRESH}:offset=${OFFSET}:linear=true" \
  -ar 44100 -ac 1 -b:a 128k \
  "$OUTPUT"

echo "✅ Done: $OUTPUT"

# 验证最终响度
ffmpeg -i "$OUTPUT" -af "loudnorm=print_format=json" -f null - 2>&1 | grep -A 4 '"input_i"'

批量处理脚本

#!/bin/bash
# batch_podcast_process.sh — 批量处理目录下所有音频
INPUT_DIR="${1:-.}"
OUTPUT_DIR="${2:-./processed}"

mkdir -p "$OUTPUT_DIR"

for f in "$INPUT_DIR"/*.{wav,mp3,flac,m4a}; do
  [ -f "$f" ] || continue
  basename=$(basename "$f")
  output="$OUTPUT_DIR/${basename%.*}.mp3"
  
  echo "🎙 Processing: $basename"
  
  ffmpeg -y -i "$f" \
    -af "highpass=f=80,afftdn=nf=-25,acompressor=threshold=-18dB:ratio=3:attack=5:release=50:makeup=2,loudnorm=I=-16:TP=-1.5:LRA=11" \
    -ar 44100 -ac 1 -b:a 128k \
    "$output" 2>/dev/null
  
  echo "  ✅ → $output"
done

echo "🎉 All done! Processed files in: $OUTPUT_DIR"

场景变体：不同录音条件的参数调整

场景 1：安静的专业录音室

录音环境已经很好，底噪极低。

ffmpeg -i studio.wav \
  -af "highpass=f=60,afftdn=nf=-35,acompressor=threshold=-15dB:ratio=2:attack=10:release=100:makeup=1,loudnorm=I=-16:TP=-1.5:LRA=11" \
  -ar 44100 -ac 1 -b:a 192k output.mp3

变化点：

• highpass=f=60：降低截止频率，保留更多低频温暖感
• afftdn=nf=-35：轻度降噪，避免过度处理
• ratio=2：轻柔压缩，保留更多自然动态
• 192k：更高比特率，高质量输出

场景 2：嘈杂环境（咖啡厅、户外）

ffmpeg -i noisy.wav \
  -af "highpass=f=120,afftdn=nf=-20,acompressor=threshold=-20dB:ratio=4:attack=3:release=40:makeup=3,loudnorm=I=-16:TP=-1.5:LRA=8" \
  -ar 44100 -ac 1 -b:a 128k output.mp3

变化点：

• highpass=f=120：更激进的低频截除
• afftdn=nf=-20：更强的降噪
• ratio=4：更强的压缩
• LRA=8：更小的响度范围，保证嘈杂环境中全程可听

场景 3：多人对话（圆桌/访谈）

每个人的音量可能差异很大。

ffmpeg -i roundtable.wav \
  -af "highpass=f=80,afftdn=nf=-25,acompressor=threshold=-20dB:ratio=4:attack=3:release=60:makeup=3:knee=6,loudnorm=I=-16:TP=-1.5:LRA=9" \
  -ar 44100 -ac 1 -b:a 128k output.mp3

变化点：

• threshold=-20dB：更低的阈值，让更多声音被压缩
• ratio=4：更强的压缩比，拉近人物音量差
• knee=6：更宽的拐点，过渡更平滑

场景 4：立体声双人播客

两人分别占左右声道。

ffmpeg -i stereo.wav \
  -af "highpass=f=80,afftdn=nf=-25,acompressor=threshold=-18dB:ratio=3:attack=5:release=50:makeup=2,loudnorm=I=-16:TP=-1.5:LRA=11" \
  -ar 44100 -ac 2 -b:a 192k output.mp3

变化点：

• -ac 2：保留立体声
• -b:a 192k：立体声需要更高比特率

AI 播客场景的特殊需求

TTS 后处理（合成语音优化）

TTS（Text-to-Speech）合成的音频有几个特点：

• 底噪极低（近乎无噪声）
• 动态范围小（机器说话很"稳"）
• 可能缺乏"空气感"（听起来太"干净"、太平）
• 不同 TTS 引擎的响度不一致

针对 TTS 的处理链更简单：

# TTS 音频后处理 — 精简版
ffmpeg -i tts_output.wav \
  -af "highpass=f=60,acompressor=threshold=-20dB:ratio=2:attack=10:release=100:makeup=1,loudnorm=I=-16:TP=-1.5:LRA=11" \
  -ar 44100 -ac 1 -b:a 128k output.mp3

注意：跳过了 afftdn。TTS 音频几乎没有环境噪声，降噪反而可能引入 artifacts。

添加"房间感"

TTS 听起来太干？加一点极轻的混响：

ffmpeg -i tts.wav \
  -af "aecho=0.8:0.88:6:0.4,highpass=f=60,loudnorm=I=-16:TP=-1.5:LRA=11" \
  output.mp3

但要注意：播客追求清晰度，混响要极轻（aecho 的衰减参数设高）。大多数情况下不加混响更好。

多说话人 TTS 的音量平衡

AI 播客如果有多个合成"角色"，不同 TTS 引擎或 voice 的响度可能差异很大：

#!/bin/bash
# 先单独 normalize 每个说话人的片段，再拼接
for clip in speaker_*.wav; do
  ffmpeg -y -i "$clip" \
    -af "loudnorm=I=-16:TP=-1.5:LRA=11" \
    "norm_${clip}" 2>/dev/null
done

# 拼接所有片段
printf "file '%s'\n" norm_speaker_*.wav > concat_list.txt
ffmpeg -f concat -safe 0 -i concat_list.txt -c copy final.wav

# 最终整体 loudnorm
ffmpeg -i final.wav \
  -af "loudnorm=I=-16:TP=-1.5:LRA=11" \
  -ar 44100 -ac 1 -b:a 128k podcast_episode.mp3

Whisper 预处理（提升语音识别准确率）

如果你要用 OpenAI Whisper 做语音转文字，音频的预处理能显著提升识别准确率：

# Whisper 预处理：重采样 + 降噪 + 归一化
ffmpeg -i raw_audio.mp3 \
  -af "highpass=f=100,afftdn=nf=-20,acompressor=threshold=-20dB:ratio=4:attack=3:release=40,loudnorm=I=-16:TP=-1.5" \
  -ar 16000 -ac 1 \
  whisper_ready.wav

关键参数：

• -ar 16000：Whisper 内部用 16kHz 采样率，直接提供匹配的输入可避免二次重采样
• -ac 1：强制单声道
• 更激进的降噪（nf=-20）和压缩（ratio=4）：对 ASR 来说清晰度比音质重要
• 输出 WAV（无损）：给 Whisper 最好的输入

Whisper 的几个实用技巧

# 长音频分割（每 30 分钟一段，避免内存溢出）
ffmpeg -i long_podcast.wav -f segment -segment_time 1800 -c copy chunk_%03d.wav

# 给 Whisper 指定语言（避免语言检测错误）
whisper chunk_000.wav --language zh --model large-v3

# 使用 faster-whisper（速度快 4x，内存减半）
pip install faster-whisper
faster-whisper chunk_000.wav --model large-v3 --language zh --beam_size 5

与专业 DAW 的对比

ffmpeg vs Audacity

Audacity 的独特优势：

• 噪声采样降噪（Noise Reduction）：先选择一段纯噪声，再应用降噪。效果比 afftdn 好得多
• 可视化波形编辑：可以精确地切掉咳嗽、口水声
• 免费开源

Audacity 的常用播客处理流程：

1. Noise Reduction（选噪声样本 → 应用）

2. Equalization（预设 "Bass Boost" 或自定义）

3. Compressor（Threshold: -18, Ratio: 3:1）

4. Normalize（到 -1 dB peak）

5. Loudness Normalization（-16 LUFS）

6. 导出 MP3

ffmpeg vs Adobe Audition

Adobe Audition 的杀手功能：

• 自适应降噪（Adaptive Noise Reduction）：实时追踪噪声变化，比 afftdn 精确得多
• Match Loudness：批量把多个文件统一到目标 LUFS
• Essential Sound 面板：一键"Podcast Voice"预设，适合非技术用户
• DeReverb 和 DeEsser：去混响和去齿音，ffmpeg 无内置等价滤镜

什么时候用什么？

常见问题与调参技巧

Q1: 处理后声音有"水声"（metallic / underwater sound）

原因：afftdn 降噪过度。

解决：

# 降低降噪强度
afftdn=nf=-30  # 从 -25 调到 -30

# 或者完全跳过降噪
highpass=f=80,acompressor=...,loudnorm=...

Q2: 处理后声音变"闷"了

原因：highpass 截止频率太高，或者 acompressor 的 attack 太短。

解决：

# 降低 highpass 截止频率
highpass=f=60  # 从 80 调到 60

# 放慢 attack
acompressor=threshold=-18dB:ratio=3:attack=15:release=80

Q3: loudnorm 输出的 LUFS 不是精确的 -16

原因：单 pass 模式精度有限。

解决：使用双 pass 模式（见上文），或接受 ±0.5 LUFS 的偏差（各平台都能容忍）。

Q4: 处理后音量还是不够大

原因：acompressor 的 makeup 增益不够，或 loudnorm 被 True Peak 限制阻止了进一步提升。

解决：

# 增加 makeup
acompressor=...:makeup=4

# 或先做更激进的压缩
acompressor=threshold=-22dB:ratio=4:attack=3:release=40:makeup=4

Q5: 如何验证最终文件符合标准？

# 用 ffmpeg 测量响度
ffmpeg -i output.mp3 -af "loudnorm=print_format=summary" -f null - 2>&1

# 输出示例:
# Input Integrated:    -16.1 LUFS
# Input True Peak:      -1.8 dBTP
# Input LRA:             6.2 LU

# 更详细的测量（使用 ebur128 滤镜）
ffmpeg -i output.mp3 -af "ebur128=peak=true" -f null - 2>&1 | tail -20

Q6: WAV vs MP3 vs AAC — 用什么格式发布？

推荐：

• 发布用 MP3 128k CBR（兼容性最好，所有平台都支持）
• Apple 专供可以用 AAC 128k
• 留存归档用 WAV 或 FLAC

Q7: 单声道还是立体声？

• 单人/多人在同一空间：单声道（文件大小减半，播客没有立体声信息）
• 两人分别录制（左右声道分离）：可以保留立体声
• 环境音/音乐类播客：立体声

绝大多数纯谈话类播客应该用单声道 44.1kHz 128kbps MP3。

附录：ffmpeg 速查表

常用的测量命令

# 测量响度（EBU R128）
ffmpeg -i file.mp3 -af "loudnorm=print_format=json" -f null - 2>&1 | tail -12

# 测量音量（传统方式）
ffmpeg -i file.mp3 -af "volumedetect" -f null - 2>&1

# 测量 True Peak
ffmpeg -i file.mp3 -af "ebur128=peak=true" -f null - 2>&1 | tail -5

# 查看音频流信息
ffprobe -v quiet -print_format json -show_streams file.mp3

常用的格式转换

# WAV → MP3（128k 单声道）
ffmpeg -i input.wav -ac 1 -b:a 128k output.mp3

# MP3 → WAV（无损解码，用于编辑）
ffmpeg -i input.mp3 output.wav

# 立体声 → 单声道
ffmpeg -i stereo.wav -ac 1 mono.wav

# 重采样到 44.1kHz
ffmpeg -i input.wav -ar 44100 output.wav

# 重采样到 16kHz（Whisper 用）
ffmpeg -i input.wav -ar 16000 -ac 1 output.wav

完整的四级滤镜链速查

# 标准版（单 pass，适合大多数场景）
FILTER="highpass=f=80,afftdn=nf=-25,acompressor=threshold=-18dB:ratio=3:attack=5:release=50:makeup=2,loudnorm=I=-16:TP=-1.5:LRA=11"

ffmpeg -i input.wav -af "$FILTER" -ar 44100 -ac 1 -b:a 128k output.mp3

# TTS 版（跳过降噪）
FILTER_TTS="highpass=f=60,acompressor=threshold=-20dB:ratio=2:attack=10:release=100:makeup=1,loudnorm=I=-16:TP=-1.5:LRA=11"

# 嘈杂环境版（激进处理）
FILTER_NOISY="highpass=f=120,afftdn=nf=-20,acompressor=threshold=-20dB:ratio=4:attack=3:release=40:makeup=3,loudnorm=I=-16:TP=-1.5:LRA=8"

# Whisper 预处理版
FILTER_WHISPER="highpass=f=100,afftdn=nf=-20,acompressor=threshold=-20dB:ratio=4:attack=3:release=40,loudnorm=I=-16:TP=-1.5"

参考资源

• EBU R128 标准文档 — 响度标准原文
• Apple Podcasts 音频要求 — Apple 官方技术规范
• ffmpeg 音频滤镜文档 — 所有滤镜的完整参数列表
• LUFS 和 LKFS 详解 (Podnews) — 针对播客制作者的响度指南
• Podcast Loudness Standards 2026 (SONE) — 2026 年各平台最新响度要求
• iZotope: Mastering for Streaming — 流媒体平台母带处理指南
• OpenAI Whisper GitHub — 语音识别模型
• Auphonic — 基于 AI 的自动播客后处理服务（对比参考）

本文最后更新：2026 年 3 月 21 日