静音不是"音量归零"，配乐也不是"把音乐叠上去"那么简单。两条音频混合时，人声和音乐应该各自占据哪个"音量层"？
视频中的音频轨道
一个视频文件通常包含至少两条数据流：视频流和音频流。音频流记录了视频中的声音信息，包括语音、音乐、环境音等。理解音频轨道的概念是进行音频操作的基础。
音频轨道的基本属性
| 属性 | 说明 | 常见值 |
|---|---|---|
| 采样率 | 每秒采集声音样本的次数 | 44100 Hz, 48000 Hz |
| 声道数 | 音频通道的数量 | 单声道(1)、立体声(2)、5.1环绕声(6) |
| 位深度 | 每个样本的精度 | 16-bit, 24-bit, 32-bit |
| 编码格式 | 音频压缩算法 | AAC, MP3, Opus, FLAC |
静音：去除视频中的声音
什么是静音？
静音（Mute）是指将视频中的音频轨道完全移除，使输出视频只有画面没有声音。这与将音量调为零不同——静音是物理上删除音频数据，而音量调节只是降低播放响度。
为什么要静音？
- 替换音频：去除原始声音后，可以添加新的背景音乐或配音。
- 消除噪音：当原始音频质量很差（风声、环境噪音）时，直接移除比降噪更简单有效。
- 社交媒体规范：部分平台自动播放视频时默认静音，主动静音可避免尴尬内容被意外播放。
- 制作 GIF 式视频：无声短视频在社交媒体上广泛使用，适合纯视觉表达。
- 版权规避：原始视频中的音乐可能有版权问题，移除后可安全使用。
静音对文件大小的影响
移除音频轨道通常可以减少 10%-20% 的文件体积。对于码率较低的视频，音频占比可能更高，移除后体积减少更明显。
添加音乐：为视频注入灵魂
背景音乐的作用
音乐是视频情感表达的核心元素。同一段画面配上不同的音乐，可以传达截然不同的情绪：
- 欢快的音乐 → 轻松愉快
- 紧张的鼓点 → 悬疑刺激
- 柔和的钢琴 → 温馨感人
- 史诗交响 → 宏大壮阔
音频混合的概念
为视频添加音乐时，原始视频可能已有音频（如语音、环境音）。这时需要将两条音频混合（Audio Mixing）：
- 原始音频：保留语音和环境音，音量通常保持不变或略微降低。
- 背景音乐：添加的音乐，音量通常调低至原始音频的 10%-30%，作为陪衬不喧宾夺主。
混合时需要注意： - 音乐不应盖过语音，人声清晰度优先。 - 音乐的节奏和情绪应与画面内容匹配。 - 音量变化应平滑过渡，避免突然的音量跳变。
音频淡入淡出
- 淡入（Fade In）：音乐从静音逐渐增大到目标音量，避免突然出现的声音冲击。
- 淡出（Fade Out）：音乐从目标音量逐渐减小至静音，避免突然中断。
淡入淡出的时长通常为 1-3 秒，具体取决于音乐的风格和节奏。
闪避（Ducking）：自动的音量礼让
在有人声的视频中，专业做法是闪避（Ducking，又称侧链压缩）：当检测到语音出现时，自动把背景音乐压低 6-12 dB；语音停顿时，音乐再缓缓回升。这样既能保留音乐的氛围感，又能让人声始终清晰可辨——是播客、Vlog、广告配音的标准技巧。手动实现闪避，可以按语音段落把音乐切成若干段，分别设置较低的音量。
响度匹配：混音前的基本功
原始视频的声音和待添加的音乐往往"天生响度不同"：直接混合，不是音乐盖过人声，就是人声显得突兀。正确顺序是：
- 先把两条音频的响度（而非峰值）调整到相近水平；
- 再按内容需要，把音乐相对人声中下移（音乐约低 10-20 dB 作为陪衬）；
- 最后整体检查输出响度是否符合目标平台标准（视频平台参考约 -14 LUFS）。
响度与 LUFS 的详细原理，可参阅本系列《音量、增益与响度》一文。
多轨混音的层次感
两条以上音频混合时，需要考虑声音的前中后层次。一个典型的视频音轨通常包含三层：
| 层次 | 内容 | 音量参考 | 作用 |
|---|---|---|---|
| 前景 | 人声（配音/对白） | 0 dB（基准） | 传递核心信息，最优先 |
| 中景 | 环境音/现场收音 | 约 -6 至 -12 dB | 营造临场感，让画面"真实" |
| 背景 | 背景音乐 | 约 -10 至 -20 dB | 烘托情绪，不引人注意 |
三层之间通过频率错开避免"打架"：人声的中频（约 300 Hz - 3 kHz）需要保持清晰，而背景音乐可以适度削减这个频段（EQ 侧链），让人声"穿透"过去。这也是专业混音中频率掩蔽（Frequency Masking）的核心概念——当两个声音占据相同的频率范围时，人耳难以同时分辨它们。
音频时长与视频时长的匹配
当添加的音乐比视频长时，通常截取音乐的前段与视频等长。当音乐比视频短时，可以选择：
- 循环播放音乐（可能产生明显的重复感）
- 只在有音乐的时段播放，剩余部分静音
- 选择更长的音乐素材
常见音频格式
| 格式 | 特点 | 适用场景 |
|---|---|---|
| MP3 | 有损压缩，兼容性极佳 | 通用背景音乐 |
| AAC | 有损压缩，比 MP3 更高效 | 视频内嵌音频 |
| WAV | 无压缩，音质最佳 | 专业音频制作 |
| OGG | 开源有损格式 | Web 应用 |
| FLAC | 无损压缩 | 高品质音乐存档 |
| M4A | AAC 的容器格式 | Apple 生态 |
音乐版权实用指南
为视频添加音乐时，版权是最容易被忽视但后果最严重的问题。以下是最实用的几条原则：
什么音乐能用
| 音乐类型 | 能否商用 | 是否需要署名 | 典型来源 |
|---|---|---|---|
| 公共领域（Public Domain） | ✅ 可以 | ❌ 不需要 | 古典音乐（贝多芬、莫扎特等，注意录音版本有独立版权） |
| CC0（Creative Commons Zero） | ✅ 可以 | ❌ 不需要 | Free Music Archive、ccMixter |
| CC BY（署名许可） | ✅ 可以 | ✅ 需要注明作者 | 各类开放音乐平台 |
| 非商用许可（NC） | ❌ 不可以商用 | ✅ 需要注明 | 大量免费音乐网站 |
| 商用免版税音乐 | ✅ 可以 | 视协议而定 | Epidemic Sound、Artlist、AudioJungle |
| 流行歌曲 | ❌ 不可以 | 不适用 | 需向版权方购买同步授权（Sync License） |
最常见的版权误区
- "在音乐平台买了就能用于视频"：你购买的只是个人收听权，不包含视频配乐的同步授权（Sync License）。用 Spotify 上的一首歌作为视频背景音乐，属于侵权。
- "只要标注出处就可以"：版权是"授权"问题，不是"署名"问题。未经许可使用，即使标注了来源，仍然侵权。
- "B 站/YouTube 上有别人用的音乐我也可以用"：别人用不代表你可以用，且平台的内容识别系统（Content ID）会独立检测你的视频。
- "30 秒以内的片段没关系"：法律上没有"短片段免责"的规定，版权方仍可主张权利。
安全选择建议
- 个人非盈利视频：选择 CC0 或 CC BY 许可的音乐
- 商业视频：购买商用免版税音乐库订阅（如 Epidemic Sound、Artlist），年费通常几百元，远低于一次侵权索赔
- 纯语音内容（播客、教学）：使用 AI 生成的背景音乐（如 Mubert、Soundraw）——这些服务生成的音乐版权归你所有
- 最安全的选择：自己创作或委托作曲
实用建议
- 静音前备份：静音操作不可逆，确保有原始文件备份。
- 音乐版权：优先使用 CC0 或商用免版税音乐库，不要使用流行歌曲。
- 音量平衡：添加音乐后试听，确保语音清晰、音乐不突兀。人声应始终是音轨中最突出的元素。
- 淡入淡出：始终为添加的音乐设置淡入淡出，提升听感。淡入时长建议 1-2 秒，淡出 2-3 秒。
- 格式选择：优先使用 AAC 或 MP3 格式添加音乐，确保兼容性。避免使用 WAV 等无损格式作为背景音乐——文件大小增加明显，但音质收益在背景音乐中几乎不可感知。
- 多平台检查：在不同设备（手机外放、耳机、电脑音箱）上试听混音效果。手机外放时背景音乐可能盖过人声，建议在手机外放环境下再验证一次人声清晰度。