电影人声太小、爆炸太吵？我把七种改法都量了一遍

昨晚看片子，对白得开到 32 格才勉强听清，一到爆炸就得赶紧往下拧。我一直以为是这版片源压坏了，直到把同一段音轨拆开量了一遍——它没坏，它就是这么做出来的。

下面每个数字都是我自己跑出来的，命令写在文中，你可以拿自己的片源重跑一遍。同一条命令重跑会有零点几 dB 的波动，因为测试噪声是随机种子生成的，但结论不会变。

先把「小」和「吵」变成两个数字

测试音轨的做法：一片白噪声过 260–3600 Hz 带通、叠一个 3.1 Hz 的音节包络当对白，55 Hz 正弦加白噪声做爆炸冲击，两段冲击带指数衰减，最后把对白段压到 -30 dBFS、整体真峰值贴到 -1 dBTP。

量出来的基线：

这 15.3 dB 就是你要反复拧旋钮的全部理由。对白没有被谁压小，混音阶段就把它放在了离峰值十几 dB 的位置——影院是按下音量校准的，对白锚在一个固定响度上（流媒体规范常见的是 -27 LKFS），剩下的余量全留给爆炸和配乐。这套混音在影厅里合理，落在家用电视那两只十几瓦的喇叭上就是灾难。

这个说法我信了很久，直到做了个最笨的对照：把同一条 -20 dBFS 的正弦，分别塞进 5.1 的单个声道，再用默认参数转成立体声，逐声道读电平。

所以对白在下混里并没有变小，它是从一条声道分到了两条，总能量基本持平。真正被扔掉的是 LFE，那条 20–80 Hz 的「胸口」没了。这就是很多人同时抱怨「爆炸不震撼、人声还听不清」的由来：这是两个独立的问题，你拧大总音量只是在替整条音轨加增益。

还有一个数字值得记住：同一份文件，采样峰值是 -3.2 dBFS，真峰值量出来是 -0.4 dBFS。差的这 2.8 dB 是采样点之间的插值过冲，重编码和上传就在这里削顶。只看采样峰值，等于把安全余量算多了将近 3 dB。

下面每一种都作用在同一段测试音轨上。「距离」指爆炸段平均电平减对白段平均电平，这个数才是耳朵真正感受到的动态；「抬」指对白抬了多少。

朴素做法，整体 +10 dB：对白 -20.0（抬 10.0），爆炸 -4.7，距离还是 15.3，dBTP 冲到 +9.6。等于什么都没解决，只是把削顶做了十遍。
loudnorm 单遍，I=-16、TP=-1.5、LRA=11：对白 -18.0（抬 11.9），爆炸只涨 0.2 dB，距离缩到 3.6，LRA 从 11.6 掉到 6.1，dBTP 卡在 -1.5。45 秒音频耗时 1.29 秒。
loudnorm 两遍，第二遍 linear=true：首遍量出 I=-25.1 LUFS、TP=-0.4、LRA 11.4。第二遍结果对白 -16.7（抬 13.3），爆炸 -14.5，距离 2.2，LRA 6.3，耗时 1.51 秒。它不是「只调音量」，原因见下一节。
dynaudnorm（f=250、g=15、p=0.9、m=8）：对白 -17.1（抬 12.9），距离 4.6，LRA 4.5，但 dBTP 是 +1.9，它不管峰值。
压缩器 4:1，阈值约 -26 dB，补偿 6 dB：对白 -17.4（抬 12.6），距离 5.5，dBTP +7.7。压缩比一上去，冲击的起音就被吃掉，还得自己补一道限幅。
speechnorm（e=6）：对白 -14.7，抬了 15.3 dB，看着最猛。距离 5.0，dBTP +2.4。它只按能量做除法，不改频谱，所以「清楚」是假的，只是「更响」。
先 +12 dB 再 alimiter(limit=0.5)：对白 -12.6（抬 17.4），距离 6.0，采样峰值顶到 0，dBTP +3.6。拿削顶换响度，爆炸听上去会糊。

七种里只有第 2、3 种的 dBTP 是安全的，而它们同时也是唯一两组真正动过动态的。换句话说，凡是不动动态的，全在削顶。

电影人声太小、爆炸太吵？我把七种改法都量了一遍

这是这次实测里最值得记的一条。loudnorm 的线性模式有个前提：要给的增益不能超过峰值余量。这段素材真峰值 -0.4 dBFS，目标是 -1.5，线性最多只能给 1.1 dB；而要把整体从 -24.8 拉到 -16，需要 8.8 dB。差值太大，滤镜自己就降级成了动态模式。

表现就是 LRA 从 11.6 掉到 6.3、爆炸段电平几乎原地不动、对白却抬了 13.3 dB。你以为自己在「统一响度」，其实挂了一只隐形压缩器，还是不留痕的那种。

判断办法很简单，处理前后各跑一次，看 LRA 掉了多少：

输出的最后一屏里有 I（响度）、LRA（动态范围）、True peak，三个数一起看才有意义。

压缩类滤镜都不管峰值。dynaudnorm、acompressor、speechnorm 的输出 dBTP 分别是 +1.9、+7.7、+2.4，全部越过 0 dBFS。要么后面接 alimiter，要么用 loudnorm 收尾，不能裸用。
拿采样峰值当峰值。上面那 2.8 dB 的差，就是重编码后莫名削顶的常见原因。留余量按 dBTP 算，不是按波形图算。
抬对白不等于抬清晰度。speechnorm 把对白抬到全场最高，可它只是按能量缩放，辅音的辨识度一点没变。真要听清台词，得靠中置声道增益或者播放器的对白增强，那是频谱上的事，跟压缩无关。

按场景分三种，不用一套参数打天下。

手机、平板、电视自带喇叭，晚上看：别碰片源，直接用播放器的夜间模式或对白增强。它做的和上面第 2 种是一回事，但没有二次编码的损失。
在 NAS 上给全家做一份「谁都能看」的版本：loudnorm 两遍加一道 alimiter，接受 LRA 从 11.6 掉到 6 左右，换来对白抬 13 dB、爆炸不顶爆。一集 45 分钟大约跑 78 秒，一部剧集成本可接受。
想保住爆炸的气势：只做峰值保护，不压动态。把 dBTP 控在 -1.5 以内，剩下的交给音量旋钮，别在片源上动手。

一条能直接用的收尾命令：

ffmpeg -i in.mkv -af "loudnorm=I=-16:TP=-1.5:LRA=11,alimiter=limit=0.89" -c:v copy -c:a aac -b:a 192k out.mp4

limit=0.89 约等于 -1 dBFS，给后面的重编码留一点余量；视频流直接 copy，画面不重新压，画质零损失。

你们家是先拧音量，还是干脆另找一份「已经压好」的版本？