企业官网建设流程全解析

1. 为什么录屏输出前一定要过一遍重采样

上一篇文章我们把采集到的 PCM 直接封装进容器，结果在播放器里出了两个问题：一是声音明显变调，二是画面和声音越看越不同步。后来查清楚了，不怪采集设备，怪我自己没在滤镜阶段把音频参数统一。今天这篇，我把aresample重采样 PCM 这件事从头到尾理一遍。它不复杂，但如果你只是记了一条命令，遇到 44.1kHz、16bit、mono、双声道混音、音画漂移这些情况，还是会翻车。

1.1 采集端 PCM 的多样性

先说一个很多人容易忽略的事实：声卡采集出来的 PCM，并不替你保证格式。同样是桌面麦克风，有的驱动默认 44.1kHz / s16 / mono，有的驱动默认 48kHz / float / interleaved。再加上系统混音、虚拟声卡、HDMI 音频采集，同一个项目里出现三四种音频参数非常正常。

而你的视频轨通常是一个固定的帧率，比如 30fps；容器和编码器又希望音频轨的采样率、位深、声道数是确定的。你需要在一条流水线里把这些不一致全部抹平。aresample就是专门干这个的滤镜，它内部依赖 libswresample，能把采样率、采样格式、声道布局一次都转到位。

如果这部分不做，最典型的后果就是把明明是 48kHz 采出来的 PCM 当成 44.1kHz 封装，播放时整体音调升高、语速变快；或者反过来，声音变慢发闷。这种问题往往在电脑自带的播放器里不明显，一放到剪辑软件或直播推流软件里就暴露了。

1.2 aresample 与 -ar 的分工

很多人问我：那直接写-ar 48000不就行了？这两个东西确实都能让最终文件变成 48kHz，但位置不一样。

-ar是输出参数，它位于编码器之前，由 FFmpeg 自动插入一个重采样步骤；而aresample是滤镜，你可以把它放在滤镜图的任意位置。录屏项目里经常要先接volume、dynaudnorm、amix这些滤镜，这些滤镜对参数的敏感度不一样，所以我习惯在滤镜图里先用aresample把格式收口，再往下走。如果你只用-ar，它管不到滤镜中间环节，遇到复杂 filter_complex 的时候，格式匹配问题依然会出现。

另一个区别是aresample能顺带处理音画时间对齐。靠-ar只改采样率，改不了音频流和视频流之间的时间戳漂移。所以我的原则是：简单输出用-ar没问题，但录屏项目里一旦涉及多路音频、混音、长时间录制，统一在滤镜图里用aresample收口，后面才不会被格式问题追着跑。

2. aresample 核心参数拆解

2.1 参数怎么写

最简单的写法是aresample=48000，第一个裸参数就是输出采样率，含义是把当前 PCM 重采样到 48kHz。FFmpeg 里这个 option 的规范名是sample_rate，但直接传裸参数不写名字也没问题。

如果要同时管位深和声道，就带选项：

ffmpeg -f pulse -i default \ -af "aresample=48000:osf=s16:ochl=stereo" \ -c:a pcm_s16le mic.wav

这里osf是输出采样格式，ochl是输出声道布局。注意这些选项是aresample自带的，不是aformat，所以写在同一个滤镜后面，用冒号分隔，别用逗号。如果你把场景和声道解耦，比如先重采样再做声道纠正，也可以拆成两个滤镜节点：

-af "aresample=48000,aformat=sample_fmts=s16:channel_layouts=stereo"

不过这种写法有点绕，一般没有必要。直接让aresample一次性把采样率、位深、声道都定了，才是最省事的做法。

2.2 resampler 选 swr 还是 soxr

aresample默认的重采样器是 swr，质量足够好。如果你编译 FFmpeg 时启用了 libsoxr，也可以指定resampler=soxr。soxr 在高倍率采样率转换时精度略好，比如 48kHz 转 8kHz 这种跨度大的场景，改善会更明显。但在录屏场景里，44.1kHz 和 48kHz 之间只是不到 9% 的倍率变化，swr 和 soxr 的听感差异很小。

不要因为网上吹 soxr 就非要全局开启。soxr不可用时 FFmpeg 会直接报错，反而打断录屏任务。想知道当前构建支持什么，一条命令就能查：

ffmpeg -h filter=aresample 2>&1 | grep -A3 resampler

如果你看到Available resamplers: swr，那就不用纠结，默认就很好。如果你的发行版编译了 soxr，也只在特定任务里显式开启，不要写进通用脚本。

2.3 osf 和 ochl 的关系

osf和ochl这两项经常跟采样率一起出现。osf=s16表示最终输出 16bit 整数 PCM，ochl=stereo表示最终输出双声道。

举个例子：录制的时候麦克风输入是 mono，但你要做两声道视频，那就让aresample顺手把它提升成 stereo。mono 源转 stereo 是两个声道复制同样的样本，这是 libswresample 默认行为，日常录屏完全够用。反过来，如果系统声音是 5.1 而视频只需要双声道，ochl=stereo会自动做 downmix。这个 downmix 用的是默认矩阵，效果中规中矩，适合普通录屏；如果你要做专业的音频混音，再单独用pan滤镜精调。

有一点要注意：如果osf=s16处理完之后你又接了别的滤镜，而那个滤镜内部要求 float 格式，FFmpeg 会自动再插一个转换节点。这种隐式转换会拖慢一点速度，但不会把音质毁掉。真正需要担心的是电平问题，下面说。

2.4 电平与削波控制

我踩过比较多的地方是浮点转 s16。很多采集设备的默认格式是 float32，峰值完全可能超过 1.0，一旦转成 s16 就会削波。削波之后先是尖锐的爆音，然后整体变闷，波形看起来像被砍了头。

aresample本身不做电平补偿，它只做格式转换。所以如果你知道输入信号偏大，在它之前先加一个volume或者dynaudnorm，会安全很多。比如：

ffmpeg -f pulse -i default \ -af "volume=0.8,aresample=48000:osf=s16:ochl=stereo" \ -c:a pcm_s16le safe.wav

这里volume=0.8相当于先留出 20% 的 headroom，再做 s16 转换，削波概率大幅下降。当然，如果源本身声音很小，volume反而会放大底噪，所以没有万能值，只能说“先用音量分析工具看峰值，再决定要不要压”。

3. 录屏专用：用 async 解决音画时间漂移

3.1 为什么音频会漂

录屏项目里，音频设备时钟和视频帧率并不是同一个时钟。桌面抓取按视频时间戳推进，声卡按自己的晶振推进，两者总有一点偏差。短录 5 分钟可能只有几十毫秒差异；录 1 小时，漂移可能累积到 1 秒以上。如果不做处理，封装时 FFmpeg 可能直接按第一个时间戳对齐，后面越来越偏。

这个问题在电影文件、普通音视频合成里不明显，因为素材文件的时间戳是写死的。但录屏是边采边封，采集时间和播放时间天然存在抖动，所以必须有一个机制来动态补偿。

3.2 async 参数怎么配

aresample的async参数就是干这个的。推荐写成：

-af "aresample=48000:osf=s16:ochl=stereo:async=1:first_pts=0"

async=1的意思是：当音频时间戳比视频时间戳短的时候补静音，比视频长的时候丢样本，让两条轨在总体时长上对齐。first_pts=0是把第一条音频样本的时间戳归零，避免一开始就有固定偏移。

很多网上命令还会跟max_soft_comp、min_hard_comp一起出现，这两个参数控制软补偿和硬补偿的边界。默认值在录屏场景里基本够用，我建议先别乱调。如果录出来的长视频仍然有轻微偏移，再考虑把max_soft_comp调大一点，让它在更长时间里慢慢拉齐，不要瞬间硬切。

3.3 多路音频合并前必须重采样

如果同一个项目要录麦克风和系统音箱两路音频，不要先把两路一路存下来再混合。正确做法是两路各自先用aresample统一格式，再进amix混合。否则amix很容易报错，提示 “Input link parameters do not match”，或者混出来要么缺声道、要么音量翻倍。

我自己常用的一路麦克风一路系统声音的写法是这样：

-filter_complex "\ [1:a]aresample=48000:osf=s16:ochl=stereo:async=1:first_pts=0[mic];\ [2:a]aresample=48000:osf=s16:ochl=stereo:async=1:first_pts=0[desk];\ [mic][desk]amix=inputs=2:duration=longest:normalize=0[aout]"

这里normalize=0很关键。默认情况下amix会降低音量防止混音削波，但在录屏场景里，两个输入通常都不是同时满电平，反而需要保留原始响度。关掉归一化之后，输出音量更接近实际听到的效果。

4. 完整命令与验证

4.1 单音频源录屏命令

先给一个只有一路音频的最简命令，以 Linux 桌面为例。视频用 x11grab 抓屏，音频用 PulseAudio 的默认输入源：

ffmpeg -y \ -f x11grab -framerate 30 -video_size 1920x1080 -i :0.0 \ -f pulse -i default \ -map 0:v -map 1:a \ -c:v libx264 -preset veryfast -crf 23 -pix_fmt yuv420p \ -af "aresample=48000:osf=s16:ochl=stereo:async=1:first_pts=0" \ -c:a aac -b:a 192k \ desktop_record.mkv

这条命令里，-map 0:v -map 1:a明确指定画面来自第一个输入、声音来自第二个输入，避免多输入时 FFmpeg 自作主张。-af里的aresample把所有音频统一成 48kHz / 16bit / stereo，同时做时间对齐。这样出来的文件，AAC 编码器拿到的输入格式是一致的，不会再插入额外的隐式转换。

4.2 双音频源混合录屏命令

更常见的是我和别人开语音会议时要同时录系统声音和麦克风，这时要用-filter_complex：

ffmpeg -y \ -f x11grab -framerate 30 -video_size 1920x1080 -i :0.0 \ -f pulse -i default \ -f pulse -i monitor_source \ -filter_complex "\ [1:a]aresample=48000:osf=s16:ochl=stereo:async=1:first_pts=0[mic];\ [2:a]aresample=48000:osf=s16:ochl=stereo:async=1:first_pts=0[desk];\ [mic][desk]amix=inputs=2:duration=longest:normalize=0[aout]" \ -map 0:v -map "[aout]" \ -c:v libx264 -preset veryfast -crf 23 -pix_fmt yuv420p \ -c:a aac -b:a 192k \ demo_mix.mkv

先各自aresample再amix，最大的好处是格式明确。不管第二个输入是 mono 还是 stereo、是 44.1k 还是 48k，经过第一轮重采样后都变成同一个标准，amix只是在做叠加，不会再因为格式不一致翻车。

4.3 用 ffprobe 验证结果

录完不要急着发，先用ffprobe看输出文件的音频流：

ffprobe -v error \ -show_entries stream=index,codec_type,sample_rate,channels \ -select_streams a:0 demo_mix.mkv

正常会看到类似：

[STREAM] index=1 codec_type=audio sample_rate=48000 channels=2 [/STREAM]

只要sample_rate=48000、channels=2，说明重采样和目标声道布局已经生效。这里不用看sample_fmt，因为显示的是解码器输出格式，不是编码前格式，看到fltp或s16都不代表你的aresample配错了。

如果还想检查音量有没有削波，可以再跑一条：

ffmpeg -i demo_mix.mkv -af volumedetect -f null -

输出里的max_volume越接近 0dB 越危险。遇到max_volume: 0.0 dB或“clipping”字样，基本就是前面说的削波问题，要回头加volume或调低采集电平。

5. 常见问题与排查技巧

5.1 问题速查表

5.2 排查思路实录

别一上来就怀疑aresample。我在项目里碰到的很多问题，最后查出来都是别的原因。

有一次录完声音出现明显的“水声”，我以为是重采样算法问题，换 swr、换 soxr、调 cutoff 都没用。最后发现是麦克风采集时系统里开了回声消除，那个处理模块本身改变了相位，和重采样一点关系都没有。

还有一次amix混出来一边声音大一边声音小，原因是第一路是 stereo、第二路是 mono，mono 被复制成 stereo 后音量感不同。解决办法就是在进amix之前强制ochl=stereo，并且检查输入源的电平差异。

排查的顺序建议是：先用ffprobe看输入源的真实参数，再确认滤镜链里每个关键节点前后的格式，最后看输出文件的时长和音画差。如果这三层都没有问题，那aresample几乎没有可能出错。

6. 关于采样率选择，我的一点实操心得

录屏类项目我一般把内部标准音轨定为 48kHz / 16bit / stereo。原因有两个：几乎所有主流视频容器和常用编码器都支持 48kHz；其次，从 44.1kHz 或 48kHz 相互转换时，48k 作为中间标准能减少二次重采样。

麦克风如果是 mono，我会在滤镜里显式提升到 stereo；系统声音如果是 5.1，我会先 downmix 到 stereo。这个规则写进项目脚本后，再没出现因为音频格式不一致导致的返工。

还有一个实用小技巧：把重采样参数单独抽成变量，不要在每个命令里手写。比如脚本里写：

AUDIO_FILTER="aresample=48000:osf=s16:ochl=stereo:async=1:first_pts=0"

录屏命令、单独录麦克风、推流命令全都引用同一个变量。以后如果要改成 44.1kHz，只改一处就行。踩过几次坑之后，你会发现大部分音频问题都不是“重采样没做”，而是“参数没有统一”。aresample就是那把把乱掉的采样率、位深、声道和时钟拉回同一标准轨道的尺子，用对了，后面的活就顺了。