前言¶

做遊戲音頻或短視頻配樂時，常見一類問題：手裏有一份「參考版」Set_Y 和一份要交付的「目標版」Set_X，兩版各自包含音樂和音效，但響度對不上。直接把 Set_X 和 Set_Y 疊在一起，音樂蓋住音效、或音效搶了音樂，混音聽起來就是「打架」。另一種常見需求是把音樂和音效融合成一條，但兩者要各自清晰可辨——這恰恰是 ffmpeg 裏 ducking/sidechain 容易搞砸的地方：壓縮後音效忽大忽小，音樂被抽空。

下面介紹一個社區 Skill：音頻混音工具（座標 @user_3a752629/audio-mixing）。它把「響度匹配」和「融合混音」拆成標準工作流，覆蓋四種場景，並把 ffmpeg 濾波器鏈、兩段式 loudnorm、stereo 保護、峯值限制這些經驗點寫進了流程。

這是什麼¶

音頻混音工具（標識 sound-mixing-tool，v1.0.0），由社區發佈者 user_3a752629 出品，歸類在 design-media 分類下。一句話定位：音樂/音效響度精確對齊 + 融合混音工作流。它解決的問題是，把多組素材之間的 LUFS 偏差壓到極小（官方資料寫 <0.10），再做最小干預的融合，最後導出可進引擎的獨立分軌。

短簡介裏點明瞭兩個交付物：一是響度對齊後的音樂和音效，二是融合後的 mix 以及混音過後的音樂、音效分軌。適用面覆蓋遊戲音頻集成、影視短視頻配樂、播客後期。

觸發詞包括：混音、響度匹配、LUFS 對齊、MIX 版本、音樂音效分軌、融合、不打架、不能蓋住。這些都是用戶在對話裏會說的話，Skill 據此被喚起。

核心功能¶

官方簡介裏能覈實到的能力如下。

1、逐軌響度匹配。用 ffmpeg 的 loudnorm 對單條音軌做兩段式處理：第一段分析輸入的響度、真峯值、LRA，第二段用分析結果做精確增益，把目標素材的 LUFS 拉到和參考版一致。兩段式比單段 loudnorm 穩，單段有時靠猜，偏差會留在成品裏。

2、融合混音，且杜絕 ducking/sidechain。這是它區別於「直接用動態壓縮把音樂壓低給音效讓位」的地方。工作流要求音樂和音效融合後雙方清晰可辨，不是靠壓縮器自動閃避。

3、四種場景覆蓋。官方資料列出的場景是：標準逐軌匹配、合併參考、Idle 音效匹配、音樂作氛圍。這四類基本覆蓋了「參考版和目標版關係不固定」的現實情況——有時逐軌對齊，有時整個參考目錄一起對，有時只需要對音效，有時音樂只當氛圍墊底。

4、分軌導出。交付時不只給 mix，還導出混音後的音樂分軌和音效分軌，方便直接進 Wwise、FMOD 這類音頻中間件。標籤裏也把 Wwise、FMOD、分軌導出列爲關鍵詞。

安裝與啓用¶

官方資料裏沒有給出可直接複製的安裝命令，也沒有列出需要填的配置字段（標籤裏 requires_api_key=false，說明不涉及 API key）。因此這裏不寫命令，避免給錯。

下面是能覈實到的啓用方式信息：該 Skill 基於通用 SKILL.md 格式，座標爲 @user_3a752629/audio-mixing，來源是 community（社區），分類 design-media，當前版本 1.0.0。在支持通用 SKILL.md 的客戶端裏，按座標或官方地址加載後即可在對話中用觸發詞喚起。Cursor、Codex CLI、Claude Code 各自對 SKILL.md 的加載方式不同，官方資料未分別說明，這裏不展開。

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

典型用法¶

官方簡介給出的典型輸入是：用戶提供一個含多版本子文件夾的素材目錄，每個子文件夾是一個 Set。用戶要求把某一版（Set_X）的音樂和音效響度完全匹配到參考版（Set_Y），再把音樂和音效融合混音，最後導出 mix 後的音樂音效分軌。

可復現的步驟骨架如下，具體 ffmpeg 濾波器鏈以 Skill 內流程爲準。

1、確認目錄結構：素材目錄下應有 Set_X 和 Set_Y 這樣的子文件夾，各自含音樂和音效文件。先把要匹配的目標和參考對上，別拿錯版本。

2、逐軌分析：對 Set_X 的音樂、Set_X 的音效分別跑 loudnorm 第一段（analyze=true），拿到各自的 input_i、input_tp、input_lra。同時對 Set_Y 做同樣分析作爲參考基準。

3、兩段式精確匹配：用第二步的分析結果做 loudnorm 第二段，把 Set_X 每條軌的 LUFS 拉到 Set_Y 對應軌的水平。兩段式在這裏是關鍵，它讓偏差壓到 <0.10，而不是靠一耳朵聽。

4、融合混音：對齊之後做融合，按要求杜絕 ducking/sidechain，保證音樂和音效在 mix 裏各自清晰可辨。

5、峯值限制與導出：融合後做峯值限制，導出 mix，同時導出音樂分軌和音效分軌，供引擎使用。

上面只是流程骨架。真正的濾波器鏈、stereo 保護參數、峯值限制閾值，都寫在 Skill 的工作流裏，拿到素材後按其步驟跑即可，不建議自己臨時拼一條 loudnorm 鏈。

適用場景與注意¶

適合：遊戲音頻集成、影視短視頻配樂、播客後期，以及任何「有參考版和目標版、需要逐軌對響度再融合」的音頻交付。

注意幾點，均來自官方資料能覈實的邊界。

1、觸發場景是「多版本子文件夾 + 指定某版匹配到參考版 + 融合混音 + 導出分軌」這一類完整需求，不是隨手轉個格式。如果只是要個響度大概一致，可能不需要走完整流程。

2、「杜絕 ducking/sidechain」是這個 Skill 明確的要求，意味着它不採用動態閃避這條路。如果你的場景確實需要音樂隨音效自動閃避，這個工作流不適用。

3、交付物是「融合後的 mix + 音樂分軌 + 音效分軌」，面向的是能接分軌的引擎（如 Wwise、FMOD）。如果你只需要單條音頻，流程裏最後一步可以只用 mix。

4、安裝命令、客戶端差異這些信息官方資料未給出，實際啓用前請到官方地址覈對。

結尾¶

這個 Skill 的價值在於把「響度匹配」和「融合混音」從一堆臨時拼的 ffmpeg 命令，變成一個有明確場景、有兩段式 loudnorm、有防 ducking 要求的固定工作流。對經常做音樂音效分軌交付的人來說，能少踩「響度對不上」「融合後打架」這兩個最常見的坑。

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