FFmpeg音色处理原理详解

音色（Timbre）是声音区别于其他声音的本质特征，即使音高和响度相同，不同乐器发出的声音仍能被人耳区分，这正是因为它们的频率响应不同。频率响应描述了音频信号中不同频率成分的增益特性，是决定音色的核心因素。

一、equalizer 均衡器

equalizer 是 FFmpeg 中最基础的音色调整滤镜，其参数格式为 equalizer=f=中心频率:width_type=带宽类型:width=带宽:g=增益。

• f=1000：中心频率（Hz），指定要调整的频段中心点。1000Hz 位于中频区，人耳对此频段最为敏感。
• width_type=h：带宽类型。h 表示以 Hz 为绝对单位；还可选 q（品质因数）、o（倍频程）等。
• width=200：带宽（Hz），配合 width_type=h 使用，表示以中心频率 ±100Hz 的范围进行增益调整。
• g=5：增益（dB），正值提升该频段，负值衰减。±5dB 以内是常见的微调范围。

操作原理：equalizer 基于 IIR（无限冲激响应）数字滤波器设计，在频域上对指定频段进行精确的增益或衰减，从而改变声音的明亮度、厚实感或清晰度。例如提升 3kHz~5kHz 可增强临场感，衰减 200Hz~400Hz 可减少浑浊感。

二、superequalizer 多段均衡器

superequalizer 提供更精细的 8 段均衡控制，参数格式为 superequalizer=1b=值:1.5b=值:2b=值:...:8b=值。

• 1b（低音）：65Hz 以下，控制超低频，影响震撼感和冲击力。
• 1.5b：约 125Hz，控制低频中段，影响声音的饱满度。
• 2b：约 250Hz，控制低频上段，影响声音的温暖感。
• 3b：约 500Hz，控制中低频，影响声音的厚度。
• 4b：约 1kHz，控制中频，影响声音的主体和清晰度。
• 5b：约 2kHz，控制中高频，影响临场感。
• 6b：约 4kHz，控制高频中段，影响细节和亮度。
• 7b：约 8kHz，控制高频上段，影响空气感和清脆度。
• 8b（高音）：16kHz 以上，控制极高频，影响精细细节和泛音。

每段取值 -12~12 dB，0 表示不处理。superequalizer 比普通 equalizer 更适合需要精细分频的音乐混音场景。

三、vibrato 颤音效果

vibrato 是对音高进行周期性调制的效果，参数格式为 vibrato=f=振荡频率:d=深度。

• f=5：振荡频率（Hz），即每秒颤音波动的次数。5Hz 约等于每秒颤 5 次，是人声颤音的典型范围（4~8Hz）。
• d=0.5：深度（0~1），表示音高调制的幅度。0.5 意味着中等程度的音高偏移。

原理：vibrato 通过低频振荡器（LFO）控制延迟线的插值位置，实现音高的周期性变化，模拟人声或乐器演奏中的自然颤音效果。

四、频率响应与音色的关系

人类的听觉系统可感知 20Hz~20kHz 的频率范围，不同频段对音色感知的影响如下：

通过 equalizer 和 superequalizer，可以精确调整每个频段的增益，从而重塑音频的音色。例如：提升低频和超低频可让声音更浑厚有力；提升中高频可增强人声的清晰度和穿透力；适当削减 300Hz 附近频段可减少浑浊感。vibrato 则从时间维度引入音高变化，为音色增添动态表情。