从录播到成品：阿萨Aza《Simon》歌切完整制作流程-平芜编程栈

最近在整理阿萨Aza直播歌切素材时，发现不少朋友对“歌切”制作流程感兴趣，尤其是《Simon》这类歌曲，现场状态和录音棚版本区别很大，切片处理得好不好，几乎直接决定投稿的听感。但网上关于歌切的教程大多是成品展示，真正把“从录播到成品”的每一步讲清楚的很少。这篇文章就从零开始，完整拆解一版《Simon》歌切的制作流程，包含工具选择、音频截取、降噪处理、响度标准化、频谱封面生成和发布检查清单，新人可以照着做，老手也可以用来优化自己的处理链路。

1. 背景与核心概念

1.1 什么是“歌切”

“歌切”是虚拟主播、唱见社区里很常见的二次创作形式，全称是“歌曲切片”。简单说，就是把主播在直播中演唱的某首歌，从整场录播里切出来，单独制作成一段音频或视频投稿。和直接录屏相比，歌切更聚焦，观众能直接听到完整的歌，不用在几个小时的录播里找位置。

阿萨Aza作为B站虚拟艺人，直播内容包括唱歌、杂谈、游戏等，唱歌环节经常是观众最喜欢的部分。Aza在直播中演唱《Simon》后，很多粉丝会制作相应歌切。但直播环境的录音条件相对复杂，观众弹幕、耳机返听、房间混响、设备底噪都会混进音轨，简单剪切的效果往往不理想，这就需要一套相对固定的音频处理流程。

1.2 歌切制作的技术链路

一个完整歌切项目不是“把音频剪出来”这么简单。制作过程中涉及的关键技术点包括：

从录播文件中定位歌曲起止位置；
音频流提取与格式转换；
底噪、观众噪声的降噪处理；
混响和人声通透度的平衡；
响度标准化，避免投稿后音量忽大忽小；
频谱图或封面素材生成；
发布前的成片检查。

每一步都有对应的工具和参数。只要理解了链路，做任何歌切都能复用同一套方法，区别只在于素材和曲目不同。下面选择“阿萨Aza《Simon》歌切”作为实操案例，原因是这首歌的切片需求在社区里比较常见，而且歌曲中间有情绪起伏，能很好展示响度标准化和动效控制的作用。

1.3 学习目标

读完这篇文章，你可以掌握以下内容：

用 FFmpeg 从直播录播中截取指定时间段音频；
用 Audacity 完成降噪、增益、压缩等基础处理；
用响度标准化保证成品在不同设备上听感一致；
制作基础的波形/频谱封面，让投稿更有辨识度；
建立一套发布前检查清单，减少返工。

整个流程以免费工具为主，不需要购买专业音频软件，适合个人二次创作场景。

2. 环境准备与工具说明

2.1 系统和硬件要求

本文的操作步骤在 Windows / macOS / Linux 上都可以完成。音频处理对 CPU 和内存有一定要求，尤其是处理几 GB 的直播录播时，建议电脑内存不低于 8GB。如果你的录播文件是 1080P 高码率视频，截取时 FFmpeg 的 I/O 吞吐比较大，建议预留足够的磁盘空间。

硬件方面，监听耳机或普通耳机都可以，不过最好避免用外放来检查底噪和音量，因为外放会掩盖细节。如果条件允许，一副监听耳机能让降噪参数调节得更准确。

2.2 软件准备

工具	用途	是否必须
FFmpeg	视频/音频流处理、截取、转码、响度标准化	必须
Audacity	可视化降噪、增益、压缩、人声处理	必须
Python 3 + matplotlib / numpy	生成波形封面、批量处理	可选
剪映 / Premiere	视频化歌切、字幕、封面合成	可选

版本选择上，FFmpeg 建议使用较新的 release 版本，比如 5.x / 6.x / 7.x，老版本在loudnorm、afftdn等滤镜上可能存在差异。Audacity 可以使用当前官网稳定版，3.x 版本界面和 2.x 略有不同，但降噪功能位置基本一致。Python 版本建议 3.9 以上。

如果你不确定自己电脑的 FFmpeg 是否可用，可以在命令行执行：

ffmpeg -version

如果输出版本信息，说明安装成功。如果提示“找不到命令”，需要先安装 FFmpeg 并配置环境变量。

2.3 示例项目结构

为了保持处理过程清晰，建议按照下面的目录结构组织素材：

simon_clip/ ├── raw/ # 原始录播文件 │ └── record.mp4 ├── works/ # 中间处理文件 │ ├── 01_raw_audio.wav │ ├── 02_cut_raw.wav │ ├── 03_denoised.wav │ └── 04_normalized.wav ├── output/ # 最终成品 │ └── Simon_歌切_v1.mp3 ├── cover/ # 封面素材 │ └── cover_wave.png └── scripts/ └── make_clip.py

这样做的好处是：每次处理不会污染原始素材，中间文件可以随时回退，也方便批量处理多首歌。很多新手喜欢直接在原视频上另存为，最后出现问题很难定位，建议从一开始就养成“源文件只读、工作目录独立”的习惯。

3. 核心原理拆解

3.1 如何定位歌曲在录播中的位置

直播录播通常有几个小时，手动拖动很浪费时间。定位歌曲位置有几种常见方式：

人工听一遍直播回放，记录歌曲开始时间；
根据直播弹幕或歌单时间轴辅助定位；
使用 Audacity 打开音频波形，通过波形密度找到唱歌段落；
使用 FFmpeg 的静音检测辅助定位。

对于《Simon》这种有明显伴奏和演唱的歌切，人工定位最直接，但需要来回拖时间轴。更高效的方式是先粗略定位到歌曲区间，再用 Audacity 波形微调首尾。

如果你有大段录播，可以用 FFmpeg 的静音检测快速找到明显的“暂停”位置：

ffmpeg -i raw/record.mp4 -af silencedetect=noise=-30dB:d=1.5 -f null -

这条命令会输出类似：

[silencedetect @ 0x...] silence_start: 874.5 [silencedetect @ 0x...] silence_end: 876.2 | silence_duration: 1.7

这表示检测到一次静音，位于视频第 874.5 秒到 876.2 秒。通过静音段，可以快速把长视频拆成若干段落，然后逐一确认哪段是《Simon》。不过直播中的底噪会让静音检测不够准确，所以静音检测只适合粗定位，最终还是要靠耳朵和波形确认。

3.2 FFmpeg 截取音频的两种方式

FFmpeg 截取音频时，-ss参数放在-i前还是后，行为完全不同。

把-ss放在-i之前，FFmpeg 会先快速跳转到目标时间，再进行解码。这种方式速度极快，但某些版本在精确帧对齐上稍差。把-ss放在-i之后，FFmpeg 会从开头解码到目标时间，速度较慢，但是定位更精确。

对于音频切片，我们通常不需要严格的帧对齐，所以推荐把-ss放在-i前，速度更快：

ffmpeg -ss 01:02:03 -t 00:04:30 -i raw/record.mp4 -vn -acodec pcm_s16le works/01_raw_audio.wav

这条命令的含义是：从record.mp4的第 1 小时 2 分 3 秒开始，截取 4 分 30 秒，忽略视频流，把音频保存为无损 WAV 格式。

这里有个重要选择：为什么要先导出 WAV，而不是直接导出 MP3？因为后续要做降噪和响度处理，MP3 是有损压缩，每转一次就会损失一次音质。WAV 无损格式可以保证中间处理环节不增加额外损伤。等全部处理完成，最后再导出 MP3 或 M4A。

3.3 降噪到底在降什么

直播录音里的噪声来源很多，包括麦克风底噪、房间混响、风扇声、键盘声、观众弹幕提示音等。不同噪声的处理方式不同。

如果是均匀的底噪，可以使用 Audacity 的“降噪”功能，先采样一段纯噪声，再对整个音频做降噪。FFmpeg 里也有afftdn滤镜，但在人声歌曲上容易产生“水声”或“金属声”，需要谨慎使用。更推荐的方式是在 Audacity 中处理，因为可以实时试听。

如果是突发的点击声、爆音，则适合用 Audacity 的“修复”或手动删除。如果是电流声，可以尝试用 Audacity 的“陷波滤波器”去掉特定频率。

实际操作时，不要追求“完全无声”。过度降噪会让声音发闷、发虚，人声会失去气息感。《Simon》这种歌曲本身有伴奏，适当保留一点“空气感”比彻底干净更重要。

3.4 响度标准化是什么

响度标准化和简单的“音量放大”不是一回事。音量放大只是整体调整增益，而响度标准化会考虑人耳对不同频率敏感度的差异，让歌曲在手机、电脑、耳机等不同设备上听起来音量一致。

FFmpeg 提供了一个很实用的滤镜loudnorm，采用 EBU R128 标准。常用参数是：

ffmpeg -i works/03_denoised.wav -af loudnorm=I=-16:TP=-1.5:LRA=11 works/04_normalized.wav

参数含义：

I=-16：目标综合响度是 -16 LUFS，适合流媒体平台音乐发布；
TP=-1.5：真实峰值不超过 -1.5 dBTP，防止削波；
LRA=11：响度范围，控制动态不要太夸张。

对于 B站音频投稿，-16 LUFS 是比较稳妥的目标。如果你做的歌切是放在视频里，也可以根据视频整体声音调整。

3.5 导出格式怎么选

歌切投稿常见格式有三种：

MP3：兼容性最好，320kbps 音质已经很高；
M4A/AAC：B站支持很好，256kbps 体积更小；
FLAC：无损格式，适合存档，但文件较大。

推荐发布用 MP3 320kbps，保存原始工程时保留 WAV。转换命令：

ffmpeg -i works/04_normalized.wav -codec:a libmp3lame -b:a 320k output/Simon_歌切_v1.mp3

4. 完整实战案例：制作《Simon》歌切

4.1 准备录播文件并查看基本信息

假设你已经有了一份阿萨Aza演唱《Simon》的直播录播，文件名为record.mp4，放在raw/目录下。先查看文件格式、时长和音频流信息：

ffprobe -v error -show_format -show_streams raw/record.mp4

重点看音频流的编码格式、采样率、声道数。一般录播音频是 AAC 48kHz 立体声。如果在-show_streams输出里看到类似：

codec_name=aac channels=2 sample_rate=48000

说明音频流正常，后续处理按 48kHz 双声道处理即可。

4.2 从录播中截取歌曲音频

假设你通过波形和试听确认《Simon》在录播的第 01:02:03 处开始，歌曲长度为 04:30。执行：

ffmpeg -ss 01:02:03 -t 00:04:30 -i raw/record.mp4 -vn -acodec pcm_s16le works/01_raw_audio.wav

执行完成后，用播放器打开01_raw_audio.wav，确认音乐开始和结束位置是否准确。很多新手在第一步没有确认首尾，后续处理完才发现多了前奏或少了尾奏，再返工很麻烦。

4.3 在 Audacity 中查看波形并微调

打开 Audacity，导入01_raw_audio.wav。工具栏会显示完整的波形。通过缩放，找到歌曲真正开始演唱的位置，以及最后一句唱完的位置。

如果发现截取范围偏了，可以使用 Audacity 的“选择工具”选中正确区间，然后菜单“文件 -> 导出音频”，选择 WAV 格式，保存为02_cut_raw.wav。

这一步相当于在可视环境下精确裁剪。相比纯 FFmpeg 命令，Audacity 的好处是能“看到”波形：

歌手开口瞬间通常波形会出现明显增幅；
歌曲结束前会有一段尾奏或混响衰减，需要判断是否保留；
如果波形中间有突然的大幅波动，可能是有报幕或观众欢呼，可以考虑切掉。

4.4 降噪处理

在 Audacity 中执行降噪：

在音轨上找到一小段纯底噪区域，比如唱前的一段安静片段，长度在 1 到 2 秒左右；
用选择工具选中这段噪声；
菜单“效果 -> 降噪/修复 -> 降噪”，打开降噪面板；
点击“获取噪声样本”，Audacity 会记录噪声特征；
全选整个音轨（Ctrl+A）；再次打开降噪效果，降噪量建议从 6dB 到 12dB 之间尝试；
点击“降噪”，然后播放试听。

降噪处理后，仔细听人声是否变闷、是否出现“山洞音”或“水声”。如果音质损失明显，撤销操作，把降噪量调小。记住一个原则：降噪宁少勿多。残余一点底噪，比损失人声细节更容易被接受。

对于直播中的观众欢呼声，降噪是没法完全去除的。如果某个时间段欢呼声过大，可以考虑用 Audacity 的“淡入淡出包络”手动压低音量，或者直接剪掉这一段。

处理完降噪后，导出为03_denoised.wav。

4.5 响度标准化

回到命令行，对03_denoised.wav做响度标准化：

ffmpeg -i works/03_denoised.wav -af loudnorm=I=-16:TP=-1.5:LRA=11 works/04_normalized.wav

执行后可以用volumedetect检查成品的峰值和平均音量：

ffmpeg -i works/04_normalized.wav -af volumedetect -f null -

输出类似：

mean_volume: -17.5 dB max_volume: -1.4 dB

这个结果表示平均音量在 -17.5dB，峰值在 -1.4dB，整体已经接近目标响度，没有出现削波。如果max_volume大于 -1dB，说明可能存在削波风险，需要重新用更低的响度目标处理。

4.6 导出成品 MP3

执行导出：

ffmpeg -i works/04_normalized.wav -codec:a libmp3lame -b:a 320k output/Simon_歌切_v1.mp3

同时，保留04_normalized.wav作为无损母带，以后如果要导出不同格式或重新压缩，不需要重复前面的处理步骤。

4.7 用 Python 生成波形封面（可选）

B站音频投稿通常可以传封面。除了用现有图片，也可以用 Python 生成一张波形封面，让歌切看上去更有“声音可视化”的感觉。

先安装依赖：

pip install matplotlib numpy

新建scripts/make_cover.py：

import wave import numpy as np import matplotlib.pyplot as plt wav_path = "works/04_normalized.wav" out_path = "cover/cover_wave.png" with wave.open(wav_path, "rb") as w: sr = w.getframerate() n_channels = w.getnchannels() samp_width = w.getsampwidth() frames = w.readframes(w.getnframes()) dtype_map = {1: np.int8, 2: np.int16, 4: np.int32} data = np.frombuffer(frames, dtype=dtype_map[samp_width]) if n_channels > 1: data = data.reshape(-1, n_channels) data = data.mean(axis=1) duration = len(data) / sr time = np.linspace(0, duration, len(data)) fig = plt.figure(figsize=(10, 4)) ax = fig.add_subplot(111) ax.plot(time, data, color="#66ccff", linewidth=0.2) ax.axis("off") plt.tight_layout(pad=0) plt.savefig(out_path, dpi=150, transparent=True) print("cover saved:", out_path)

这段代码会读取 WAV 文件，把双声道转成单声道，然后画出整段音频的波形，保存为透明背景的 PNG。最后在剪辑软件或在线工具里，把波形图和歌名文字合成一张封面即可。

如果你不想写代码，也可以在 Audacity 里切换“频谱图”视图，截图后导出为图片，效果也不错。

4.8 发布前检查清单

导出的 MP3 在投稿前，建议过一遍下面的检查：

检查项	说明
歌曲首尾是否准确	多余空白、爆音、话头要清理干净
音量是否稳定	和站内其他歌切对比，响度接近
人声是否清晰	降噪后没有明显“水声”和闷感
峰值是否削波	`max_volume`不超过 -1dB
标题和标签是否合规	标注直播出处、原曲、歌手信息
封面是否清晰	不侵权、不包含敏感内容

如果以上都通过，一版《Simon》歌切就制作完成了。

5. 常见问题与排查思路

5.1 常见问题表格

问题现象	常见原因	解决思路
截取出来的音频是空的	`-ss`或`-t`时间格式不对	用`HH:MM:SS`格式，确认时长
音量特别小	录播原本音量低	先做增益，再响度标准化
降噪后人声发闷	降噪量过大或频率范围太宽	降低降噪量，试听对比
人声有“金属声”	`afftdn`参数不当	改用 Audacity 降噪
某段声音有爆音	录制时就已经削波	无法完全修复，尽量避开或剪掉
发布后手机音量和其他歌不一样	没有响度标准化	使用`loudnorm`
波形封面只有一条线	单声道读取异常	双声道取均值或检查 dtype

5.2 排查流程建议

如果你遇到问题，不要直接反复重试，先按顺序排查：

先用 Audacity 播放源文件01_raw_audio.wav，确认问题是否来自录播本身；
再播放02_cut_raw.wav，确认是否是裁剪阶段引入的问题；
然后播放03_denoised.wav，确认是否是降噪损伤；
最后播放04_normalized.wav，确认是否是响度处理导致。

这种方法叫“分段定位”，哪一步引入问题，就回到哪一步修，不要从头到尾重新处理整条链路。

5.3 避免再次出现的习惯

每次处理前先备份源文件和上一步文件；
在工程目录中写下处理顺序和关键时间点；
不要在同一文件上反复保存覆盖；
遇到不确定的参数，先用一段 10 秒的测试音频验证。

6. 最佳实践与工程建议

6.1 从源头减少干扰

歌切效果很大程度上取决于录播源质量。录制直播时选择最高清晰度和码率，关闭不必要的系统通知音，麦克风增益不要开得过高，这些都能减少后续降噪压力。如果录播是别人提供的二次压缩文件，音质已经受损，降噪和响度处理的效果会大打折扣。

6.2 命名规范

文件命名建议包含歌曲名、处理阶段、版本号，例如：

Simon_raw_20250101.wav Simon_cut_v1.wav Simon_denoised_v1.wav Simon_normalized_v1.wav Simon_final_v1.mp3

这样即使三个月后再看到文件，也能一眼知道哪个是源文件、哪个是成品。

6.3 批量处理思路

如果你有多首歌切要做，可以把 FFmpeg 命令封装成 Python 脚本，用配置文件描述每首歌的起止时间和歌名。

import subprocess from pathlib import Path BASE = Path("raw") OUT = Path("output") WORK = Path("works") WORK.mkdir(exist_ok=True) OUT.mkdir(exist_ok=True) clips = [ { "source": "record.mp4", "start": "01:02:03", "duration": "00:04:30", "name": "Simon", }, ] for clip in clips: src = BASE / clip["source"] start = clip["start"] duration = clip["duration"] name = clip["name"] wav_path = WORK / f"{name}_raw.wav" final_path = OUT / f"{name}_歌切.mp3" cmd_extract = [ "ffmpeg", "-y", "-ss", start, "-t", duration, "-i", str(src), "-vn", "-acodec", "pcm_s16le", str(wav_path), ] subprocess.run(cmd_extract, check=True) cmd_loudnorm = [ "ffmpeg", "-y", "-i", str(wav_path), "-af", "loudnorm=I=-16:TP=-1.5:LRA=11", str(WORK / f"{name}_normalized.wav"), ] subprocess.run(cmd_loudnorm, check=True) cmd_mp3 = [ "ffmpeg", "-y", "-i", str(WORK / f"{name}_normalized.wav"), "-codec:a", "libmp3lame", "-b:a", "320k", str(final_path), ] subprocess.run(cmd_mp3, check=True) print("done:", final_path)

这个脚本把提取、标准化、导出三步串起来。如果你以后还要做更多歌切，只需要在clips列表里加一行。要注意的是，脚本默认没有降噪步骤，因为降噪需要人工试听，不适合完全自动化。

6.4 多版本备份

做好的成品建议分版本保存：

v1：普通降噪导出版；
v2：二次微调版，比如修复了某段爆音；
master：无损母带；
archive：最终使用的原文件压缩包。

不要担心占用空间，歌切音频文件本身不大。备份能让你在做其他版本时不需要从头再来。

6.5 二次创作的边界

歌切属于二次创作，发布时要注意：

在简介中标注演唱者为阿萨Aza，并注明直播出处或录播来源；
遵守B站社区规范，不用于商业用途；
不发布未经主播或粉丝社区允许的付费内容；
尊重原曲版权，不对音频做恶意篡改。

这些规范既是保护主播，也是保护创作者自己。做歌切的核心是分享好听的现场，不是为了抢流量，保持社区氛围比数据更重要。

7. 总结与下一步学习路线

这篇教程以阿萨Aza《Simon》歌切为例，完整梳理了从直播录播到最终成品的流程。你学到的不是一段孤立命令，而是一套可以复用的音频处理链路：先用 FFmpeg 从录播中定位和截取音频，再用 Audacity 做可视化裁剪和降噪，接着用loudnorm做响度标准化，最后导出 MP3 并制作波形封面。

如果这是你第一次做歌切，建议先不要追求完美。用这篇文章里的步骤做出第一版，上传前听三遍：第一遍戴耳机听细节，第二遍用手机外放听整体，第三遍在嘈杂环境里听人声是否清晰。三遍都没问题，就可以放心发布了。

下一步可以尝试的方向包括：用 UVR 或 Demucs 做伴奏分离，提取更干净的人声；用 ReplayGain 和响度表做更精细的动态控制；把处理流程封装成完整 Python 脚本，实现批量出片。歌切虽小，但涉及音频编辑、命令行处理、批处理脚本和用户审美多个层面，每多走一步，你对声音的理解都会更深。希望这篇教程能帮你少踩一些坑，把喜欢的现场更完整地分享出去。