前言¶

做游戏音频或短视频配乐时，常见一类问题：手里有一份「参考版」Set_Y 和一份要交付的「目标版」Set_X，两版各自包含音乐和音效，但响度对不上。直接把 Set_X 和 Set_Y 叠在一起，音乐盖住音效、或音效抢了音乐，混音听起来就是「打架」。另一种常见需求是把音乐和音效融合成一条，但两者要各自清晰可辨——这恰恰是 ffmpeg 里 ducking/sidechain 容易搞砸的地方：压缩后音效忽大忽小，音乐被抽空。

下面介绍一个社区 Skill：音频混音工具（坐标 @user_3a752629/audio-mixing）。它把「响度匹配」和「融合混音」拆成标准工作流，覆盖四种场景，并把 ffmpeg 滤波器链、两段式 loudnorm、stereo 保护、峰值限制这些经验点写进了流程。

这是什么¶

音频混音工具（标识 sound-mixing-tool，v1.0.0），由社区发布者 user_3a752629 出品，归类在 design-media 分类下。一句话定位：音乐/音效响度精确对齐 + 融合混音工作流。它解决的问题是，把多组素材之间的 LUFS 偏差压到极小（官方资料写 <0.10），再做最小干预的融合，最后导出可进引擎的独立分轨。

短简介里点明了两个交付物：一是响度对齐后的音乐和音效，二是融合后的 mix 以及混音过后的音乐、音效分轨。适用面覆盖游戏音频集成、影视短视频配乐、播客后期。

触发词包括：混音、响度匹配、LUFS 对齐、MIX 版本、音乐音效分轨、融合、不打架、不能盖住。这些都是用户在对话里会说的话，Skill 据此被唤起。

核心功能¶

官方简介里能核实到的能力如下。

1、逐轨响度匹配。用 ffmpeg 的 loudnorm 对单条音轨做两段式处理：第一段分析输入的响度、真峰值、LRA，第二段用分析结果做精确增益，把目标素材的 LUFS 拉到和参考版一致。两段式比单段 loudnorm 稳，单段有时靠猜，偏差会留在成品里。

2、融合混音，且杜绝 ducking/sidechain。这是它区别于「直接用动态压缩把音乐压低给音效让位」的地方。工作流要求音乐和音效融合后双方清晰可辨，不是靠压缩器自动闪避。

3、四种场景覆盖。官方资料列出的场景是：标准逐轨匹配、合并参考、Idle 音效匹配、音乐作氛围。这四类基本覆盖了「参考版和目标版关系不固定」的现实情况——有时逐轨对齐，有时整个参考目录一起对，有时只需要对音效，有时音乐只当氛围垫底。

4、分轨导出。交付时不只给 mix，还导出混音后的音乐分轨和音效分轨，方便直接进 Wwise、FMOD 这类音频中间件。标签里也把 Wwise、FMOD、分轨导出列为关键词。

安装与启用¶

官方资料里没有给出可直接复制的安装命令，也没有列出需要填的配置字段（标签里 requires_api_key=false，说明不涉及 API key）。因此这里不写命令，避免给错。

下面是能核实到的启用方式信息：该 Skill 基于通用 SKILL.md 格式，坐标为 @user_3a752629/audio-mixing，来源是 community（社区），分类 design-media，当前版本 1.0.0。在支持通用 SKILL.md 的客户端里，按坐标或官方地址加载后即可在对话中用触发词唤起。Cursor、Codex CLI、Claude Code 各自对 SKILL.md 的加载方式不同，官方资料未分别说明，这里不展开。

官方地址：https://api.skillhub.cn/user_3a752629/audio-mixing

典型用法¶

官方简介给出的典型输入是：用户提供一个含多版本子文件夹的素材目录，每个子文件夹是一个 Set。用户要求把某一版（Set_X）的音乐和音效响度完全匹配到参考版（Set_Y），再把音乐和音效融合混音，最后导出 mix 后的音乐音效分轨。

可复现的步骤骨架如下，具体 ffmpeg 滤波器链以 Skill 内流程为准。

1、确认目录结构：素材目录下应有 Set_X 和 Set_Y 这样的子文件夹，各自含音乐和音效文件。先把要匹配的目标和参考对上，别拿错版本。

2、逐轨分析：对 Set_X 的音乐、Set_X 的音效分别跑 loudnorm 第一段（analyze=true），拿到各自的 input_i、input_tp、input_lra。同时对 Set_Y 做同样分析作为参考基准。

3、两段式精确匹配：用第二步的分析结果做 loudnorm 第二段，把 Set_X 每条轨的 LUFS 拉到 Set_Y 对应轨的水平。两段式在这里是关键，它让偏差压到 <0.10，而不是靠一耳朵听。

4、融合混音：对齐之后做融合，按要求杜绝 ducking/sidechain，保证音乐和音效在 mix 里各自清晰可辨。

5、峰值限制与导出：融合后做峰值限制，导出 mix，同时导出音乐分轨和音效分轨，供引擎使用。

上面只是流程骨架。真正的滤波器链、stereo 保护参数、峰值限制阈值，都写在 Skill 的工作流里，拿到素材后按其步骤跑即可，不建议自己临时拼一条 loudnorm 链。

适用场景与注意¶

适合：游戏音频集成、影视短视频配乐、播客后期，以及任何「有参考版和目标版、需要逐轨对响度再融合」的音频交付。

注意几点，均来自官方资料能核实的边界。

1、触发场景是「多版本子文件夹 + 指定某版匹配到参考版 + 融合混音 + 导出分轨」这一类完整需求，不是随手转个格式。如果只是要个响度大概一致，可能不需要走完整流程。

2、「杜绝 ducking/sidechain」是这个 Skill 明确的要求，意味着它不采用动态闪避这条路。如果你的场景确实需要音乐随音效自动闪避，这个工作流不适用。

3、交付物是「融合后的 mix + 音乐分轨 + 音效分轨」，面向的是能接分轨的引擎（如 Wwise、FMOD）。如果你只需要单条音频，流程里最后一步可以只用 mix。

4、安装命令、客户端差异这些信息官方资料未给出，实际启用前请到官方地址核对。

结尾¶

这个 Skill 的价值在于把「响度匹配」和「融合混音」从一堆临时拼的 ffmpeg 命令，变成一个有明确场景、有两段式 loudnorm、有防 ducking 要求的固定工作流。对经常做音乐音效分轨交付的人来说，能少踩「响度对不上」「融合后打架」这两个最常见的坑。

官方地址：https://api.skillhub.cn/user_3a752629/audio-mixing