---
title: "ffmpeg"
type: entity
tags: ["audio-processing", "multimedia", "open-source", "cli"]
sources: ["engineering-voice-ai-integration-engineer"]
last_updated: 2026-05-02
---

## Aliases
- ffmpeg
- ffprobe（ffmpeg 配套工具）

## Definition

FFmpeg 是开源的多媒体处理工具链，在 Voice AI Integration Engineer 的管道中负责所有音频格式探测、转换和预处理工作。是 Whisper 类转录管道中不可或缺的底层工具。

## Core Tools Used

| 工具 | 用途 |
|------|------|
| `ffprobe` | 探测音频格式、时长、codec、采样率、声道数（格式验证） |
| `ffmpeg` | 格式转换、重采样、响度归一化、静音切除（预处理） |

## Key Operations in Voice AI Pipeline

```bash
# 1. 探测音频属性（验证）
ffprobe -v quiet -print_format json \
  -show_streams -show_format input.wav

# 2. Whisper 预处理（16kHz 单声道 + R128 响度归一化）
ffmpeg -y -i input.mp4 -vn \
  -acodec pcm_s16le \
  -ar 16000 \
  -ac 1 \
  -af "loudnorm=I=-16:TP=-1.5:LRA=11" \
  output.wav

# 3. 长音频分块
ffmpeg -y -i long_audio.wav \
  -ss 0 -to 1800 \
  -acodec copy chunk_0000.wav
```

## Critical Role in Quality Assurance

> "Never trust file extensions — always probe the actual container." — 必须用 ffprobe 探测实际格式

FFmpeg 是音频质量验证的核心：采样率是否正确（Whisper 需要 16kHz）、是否有音频流（.mp4 可能是纯视频）、音频 codec 是否被支持、时长是否在模型限制内。

## Key Principles

1. **永远探测，不猜**：用 `ffprobe` 而非依赖扩展名
2. **16kHz 单声道是 Whisper 标准**：除非要处理特定多声道场景
3. **R128 响度归一化先于 VAD**：确保 VAD 阈值准确
4. **-vn 去除视频轨道**：.mp4/.mov 等容器中的视频流会影响处理

## Connections
- [[EBUR128LoudnessNormalization]] — 通过 `-af loudnorm` 实现
- [[FasterWhisper]] — 消费 ffmpeg 预处理后的音频
- [[OverlapAwareChunking]] — 通过 ffmpeg 时间切片实现分块
- [[VoiceActivityDetection]] — VAD 之后 ffmpeg 也可做静音切除

## Sources
- [[engineering-voice-ai-integration-engineer]]