音频合并与音量统一

关于音频合并

把音频文件接在一起听起来应该很简单，接的这一步确实简单。真正出问题的是它周围的一切：某一段的音量只有下一段的一半；文件的采样率不同，于是后面几段播放速度不对；每个接缝处还会有一声明显的「咔哒」。

这个工具把这些都处理掉。添加文件、排好顺序，就能拿回一个文件——响度已统一，采样率已正确协调，还可以选择加淡入淡出让接缝干净利落。

解码和混合全部在你的浏览器里完成。没有任何音频被上传，而这正是处理访谈、录音和未发行音乐时最要紧的一点。

使用方法

• 添加音频文件——可以一次选多个，也可以之后再添加
• 用箭头排好顺序，把不需要的移除
• 选择如何处理音量——统一响度、按峰值归一化，或保持原样
• 可按需设置段落之间的间隔和每个接缝处的淡变
• 点击合并成一个文件，然后下载结果

每一段都会显示时长和实测电平（dB），以及即将对它应用的调整量。也就是说，你能在工具动手之前看清它要做什么。

三种音量选项

结果听起来是否舒服，就由这个设置决定。

• 统一各段之间的响度——默认选项，通常也是你想要的。每一段按 RMS 测量，也就是信号的平均能量，它与人耳实际听到的响度最为吻合。随后把每一段都提升到最响那一段的水平，于是是小声的段落被抬上来，而不是把其余全部压下去
• 按峰值分别归一化——把每段中最响的那一个采样点对齐到你设定的目标值。结果可预测，但它解决不了听感响度：整段都很轻，却有一声杂音正好顶到满刻度，按峰值归一化之后它依然很轻
• 保持原有音量——不施加任何增益，直接相接。如果这些文件本来就是一起做过母带的，这才是正确选择

无论选哪一种，成品文件最后都会检查一次，若有任何地方超过满刻度就整体下调，因此结果不会削波。

采样率与声道

音频文件自带采样率：CD 音质为 44,100 Hz，视频用 48,000 Hz，语音录音有时是 22,050 Hz。采样率不同的文件不能直接串接，否则后面的会以错误的速度和音高播放。

这里所有内容都通过一个离线音频上下文、以你这批文件中最高的采样率渲染，属于正确重采样，而不是把采样点重新解释一遍。单声道与立体声混用也是同样的道理：只要有一个文件是立体声，结果就是立体声，单声道文件会被放到左右两个声道。

间隔与淡变

• 间隔在各段之间插入静音。适合有声书分章或区隔不同的录制片段；如果是连续的音乐，保持 0 即可
• 淡变在每个段落边界加上短促的淡入和淡出。哪怕只有十分之一秒，也足以消除一段波形在周期中途结束、下一段又从别处开始时产生的「咔哒」声

人们用它来做什么

• 把分次录制的访谈或播客片段接起来
• 为没有播放列表功能的播放器，把有声书章节合成一个文件
• 把多条语音备忘串成一段完整录音
• 用多首曲子做出连续不断的混音
• 统一用不同设备录制的素材之间的音量
• 把因录音笔文件大小限制而被切开的课堂录音接回去

值得一提

• 可在 Windows、macOS、Linux 和 ChromeOS 的任何现代浏览器中使用；与文件夹类工具不同，它接收的是文件而非文件夹，所以手机和平板上也能用
• 不上传任何内容。解码、合并和编码全部在页面内完成
• 输出为 WAV——未经压缩，因此自合并那一刻起就是无损的，但体积较大，立体声大约每分钟 10 MB。如果需要 MP3，把结果再送进音频转换器
• 只要浏览器能播放的都能合并：MP3、M4A/AAC、WAV、FLAC、OGG 和 Opus。无法解码的文件会连同文件名一起报告，而不会被悄悄跳过
• 很长的合并会按总时长成比例占用内存，因为整个结果要先组装好再写出。一小时立体声大约占 600 MB 内存
• 电平以 dBFS 显示，0 为最大值。常见的音轨大致在 −20 到 −12 dB RMS 之间

相关工具

• 音频转换器 — 把合并后的 WAV 转成 MP3 或 M4A
• 音频剪辑 — 合并之前先把各段裁好
• 音频转文字 — 把做好的录音转成文字
• 视频转音频（MP4转MP3） — 先从视频里提取声音