ffmpeg-audio-processing

重要なガイドライン

Windows のファイルパス要件

必須：Windows では、ファイルパスに必ずバックスラッシュを使用してください

Windows で Edit ツールまたは Write ツールを使用する場合は、ファイルパスにスラッシュ（/）ではなく、必ずバックスラッシュ（\）を使用してください。

---

クイックリファレンス

タスク	コマンド
音声を抽出	ffmpeg -i video.mp4 -vn -c:a copy audio.m4a
MP3 に変換	ffmpeg -i input.flac -c:a libmp3lame -q:a 2 output.mp3
音量を正規化（EBU R128）	-af loudnorm=I=-23:LRA=7:TP=-2
ポッドキャスト標準	-af loudnorm=I=-16:TP=-1.5
音量を調整	-af "volume=1.5" または -af "volume=6dB"
モノラルからステレオへ	-ac 2

コーデック	推奨ビットレート	用途
AAC	128-192k（音楽）、64k（音声）	ストリーミング、モバイル
MP3	192-320k（音楽）、128k（音声）	幅広い互換性
Opus	96-128k（音楽）、48k（音声）	WebM、VoIP、最新環境

このスキルを使用する場面

音声関連の操作に使用します。

• 動画ファイルから音声を抽出する
• 放送／ストリーミング規格に準拠するためにラウドネスを正規化する
• ポッドキャストやオーディオブックを処理する
• 音声形式を変換する
• 音声エフェクト（EQ、コンプレッション、ノイズ除去）を適用する

---

FFmpeg による音声処理（2025）

FFmpeg を使用した音声エンコード、正規化、プロフェッショナルな音声処理の完全ガイドです。

音声コーデックのリファレンス

コーデックの比較

コーデック	エンコーダー	ビットレート範囲	品質	互換性	用途
AAC	aac, libfdk_aac	64-320 kbps	優秀	汎用	ストリーミング、モバイル
MP3	libmp3lame	96-320 kbps	良好	汎用	レガシー、ポッドキャスト
Opus	libopus	32-256 kbps	最高	最新環境	VoIP、WebM
FLAC	flac	~900 kbps	可逆	幅広い	アーカイブ
ALAC	alac	~900 kbps	可逆	Apple	Apple エコシステム
Vorbis	libvorbis	64-500 kbps	非常に良好	幅広い	WebM、ゲーム
AC3	ac3	192-640 kbps	良好	汎用	DVD、Blu-ray
EAC3	eac3	192-768 kbps	非常に良好	幅広い	ストリーミング
xHE-AAC	- (デコードのみ)	12-64 kbps	優秀	普及しつつある	超低ビットレート

推奨ビットレート

用途	AAC	MP3	Opus
ポッドキャスト／音声	64-96k	96-128k	48-64k
音楽（標準）	128-192k	192-256k	96-128k
音楽（高品質）	256-320k	320k	160-256k
透明品質	256k+	320k	192k+

基本的な音声操作

音声を抽出

# Extract to original format (no re-encode)
ffmpeg -i video.mp4 -vn -c:a copy audio.m4a

# Extract to MP3
ffmpeg -i video.mp4 -vn -c:a libmp3lame -b:a 320k audio.mp3

# Extract to AAC
ffmpeg -i video.mp4 -vn -c:a aac -b:a 256k audio.m4a

# Extract to FLAC (lossless)
ffmpeg -i video.mp4 -vn -c:a flac audio.flac

# Extract to WAV (uncompressed)
ffmpeg -i video.mp4 -vn -c:a pcm_s16le audio.wav

音声形式を変換

# MP3 to AAC
ffmpeg -i input.mp3 -c:a aac -b:a 256k output.m4a

# WAV to MP3
ffmpeg -i input.wav -c:a libmp3lame -b:a 320k output.mp3

# FLAC to MP3
ffmpeg -i input.flac -c:a libmp3lame -b:a 320k output.mp3

# Multiple files (batch)
for f in *.flac; do
  ffmpeg -i "$f" -c:a libmp3lame -b:a 320k "${f%.flac}.mp3"
done

品質設定

# AAC VBR quality (1-5, higher = better)
ffmpeg -i input.wav -c:a aac -q:a 2 output.m4a

# MP3 VBR quality (0-9, lower = better)
ffmpeg -i input.wav -c:a libmp3lame -q:a 0 output.mp3

# Opus with target bitrate
ffmpeg -i input.wav -c:a libopus -b:a 128k output.opus

音声の正規化

ラウドネス規格

規格	目標値	TP（トゥルーピーク）	用途
EBU R128	-23 LUFS	-1 dBTP	欧州放送
ATSC A/85	-24 LKFS	-2 dBTP	米国放送
Spotify	-14 LUFS	-1 dBTP	ストリーミング
YouTube	-14 LUFS	-1 dBTP	動画プラットフォーム
Apple Music	-16 LUFS	-1 dBTP	音楽ストリーミング
ポッドキャスト	-16～-19 LUFS	-1 dBTP	ポッドキャスト

EBU R128 正規化（loudnorm）

1 パス（ライブ／リアルタイム）

# Quick normalization (less accurate)
ffmpeg -i input.mp3 \
  -af loudnorm=I=-16:TP=-1.5:LRA=11 \
  output.mp3

2 パス（推奨）

# Pass 1: Analyze
ffmpeg -i input.mp3 \
  -af loudnorm=I=-16:TP=-1.5:LRA=11:print_format=json \
  -f null -

# Output will include:
# "input_i": "-25.23"
# "input_tp": "-0.50"
# "input_lra": "8.32"
# "input_thresh": "-35.87"
# "target_offset": "1.23"

# Pass 2: Normalize with measured values
ffmpeg -i input.mp3 \
  -af loudnorm=I=-16:TP=-1.5:LRA=11:measured_I=-25.23:measured_TP=-0.50:measured_LRA=8.32:measured_thresh=-35.87:offset=1.23:linear=true \
  -ar 48000 \
  output.mp3

2 パススクリプト

#!/bin/bash
# loudnorm-2pass.sh

INPUT="$1"
OUTPUT="$2"
TARGET_I="${3:--16}"
TARGET_TP="${4:--1.5}"
TARGET_LRA="${5:-11}"

# Pass 1: Analyze
stats=$(ffmpeg -i "$INPUT" \
  -af loudnorm=I=${TARGET_I}:TP=${TARGET_TP}:LRA=${TARGET_LRA}:print_format=json \
  -f null - 2>&1 | grep -A 12 "Parsed_loudnorm")

# Extract values
input_i=$(echo "$stats" | grep input_i | tr -d '", ' | cut -d':' -f2)
input_tp=$(echo "$stats" | grep input_tp | tr -d '", ' | cut -d':' -f2)
input_lra=$(echo "$stats" | grep input_lra | tr -d '", ' | cut -d':' -f2)
input_thresh=$(echo "$stats" | grep input_thresh | tr -d '", ' | cut -d':' -f2)
offset=$(echo "$stats" | grep target_offset | tr -d '", ' | cut -d':' -f2)

# Pass 2: Normalize
ffmpeg -i "$INPUT" \
  -af "loudnorm=I=${TARGET_I}:TP=${TARGET_TP}:LRA=${TARGET_LRA}:measured_I=${input_i}:measured_TP=${input_tp}:measured_LRA=${input_lra}:measured_thresh=${input_thresh}:offset=${offset}:linear=true" \
  -ar 48000 \
  "$OUTPUT"

ピーク正規化

# Normalize to peak level
ffmpeg -i input.mp3 \
  -af "volume=0dB:eval=once:precision=fixed" \
  -af "loudnorm=I=-16:TP=-1:LRA=11" \
  output.mp3

# Simple peak normalization
ffmpeg -i input.mp3 \
  -filter:a "volume=replaygain=peak" \
  output.mp3

RMS 正規化

# Normalize to specific RMS level
ffmpeg -i input.mp3 \
  -af "loudnorm=I=-23:LRA=7:TP=-2" \
  output.mp3

ffmpeg-normalize ツール

Python ユーティリティの ffmpeg-normalize を使うと、より簡単に操作できます。

# Install
pip install ffmpeg-normalize

# Basic usage
ffmpeg-normalize input.mp3 -o output.mp3

# Custom target
ffmpeg-normalize input.mp3 -o output.mp3 -t -14

# Batch normalize (album mode - preserves relative loudness)
ffmpeg-normalize *.mp3 --batch -o normalized/

# Use built-in presets (v1.36.0+)
ffmpeg-normalize input.mp3 --preset podcast -o output.mp3
ffmpeg-normalize *.mp3 --preset music --batch -o normalized/

音声フィルター

音量調整

# Increase volume by 50%
ffmpeg -i input.mp3 -af "volume=1.5" output.mp3

# Increase by 6dB
ffmpeg -i input.mp3 -af "volume=6dB" output.mp3

# Decrease by 3dB
ffmpeg -i input.mp3 -af "volume=-3dB" output.mp3

フェードイン／フェードアウト

# Fade in 3 seconds, fade out last 3 seconds
ffmpeg -i input.mp3 \
  -af "afade=t=in:ss=0:d=3,afade=t=out:st=57:d=3" \
  output.mp3

# Calculate fade out start automatically
duration=$(ffprobe -v error -show_entries format=duration -of default=noprint_wrappers=1:nokey=1 input.mp3)
fadeout_start=$(echo "$duration - 3" | bc)
ffmpeg -i input.mp3 \
  -af "afade=t=in:ss=0:d=3,afade=t=out:st=${fadeout_start}:d=3" \
  output.mp3

イコライゼーション

# Bass boost
ffmpeg -i input.mp3 \
  -af "equalizer=f=100:width_type=o:width=2:g=5" \
  output.mp3

# Treble reduction
ffmpeg -i input.mp3 \
  -af "equalizer=f=8000:width_type=o:width=2:g=-3" \
  output.mp3

# Multi-band EQ
ffmpeg -i input.mp3 \
  -af "equalizer=f=100:width_type=o:width=2:g=3,equalizer=f=1000:width_type=o:width=2:g=-2,equalizer=f=8000:width_type=o:width=2:g=2" \
  output.mp3

ハイパス／ローパスフィルター

# High-pass filter (remove below 80Hz)
ffmpeg -i input.mp3 -af "highpass=f=80" output.mp3

# Low-pass filter (remove above 8kHz)
ffmpeg -i input.mp3 -af "lowpass=f=8000" output.mp3

# Band-pass filter
ffmpeg -i input.mp3 -af "highpass=f=80,lowpass=f=12000" output.mp3

ノイズ除去

# FFT-based noise reduction
ffmpeg -i input.mp3 \
  -af "afftdn=nf=-25" \
  output.mp3

# With noise floor adjustment
ffmpeg -i input.mp3 \
  -af "afftdn=nf=-20:tn=1" \
  output.mp3

コンプレッサー／リミッター

# Dynamic range compression
ffmpeg -i input.mp3 \
  -af "acompressor=threshold=-20dB:ratio=4:attack=5:release=50" \
  output.mp3

# Limiter
ffmpeg -i input.mp3 \
  -af "alimiter=limit=0.9:attack=5:release=50" \
  output.mp3

# De-esser
ffmpeg -i input.mp3 \
  -af "deesser=i=0.4:f=4000:w=0.5" \
  output.mp3

無音の検出／除去

# Detect silence
ffmpeg -i input.mp3 \
  -af silencedetect=noise=-30dB:d=0.5 \
  -f null -

# Remove silence
ffmpeg -i input.mp3 \
  -af "silenceremove=start_periods=1:start_silence=0.5:start_threshold=-50dB:stop_periods=1:stop_silence=0.5:stop_threshold=-50dB" \
  output.mp3

チャンネル操作

ステレオからモノラルへ

# Average both channels
ffmpeg -i stereo.mp3 \
  -af "pan=mono|c0=0.5*c0+0.5*c1" \
  mono.mp3

# Use only left channel
ffmpeg -i stereo.mp3 -af "pan=mono|c0=c0" mono.mp3

# Downmix stereo to mono
ffmpeg -i stereo.mp3 -ac 1 mono.mp3

モノラルからステレオへ

# Duplicate mono to both channels
ffmpeg -i mono.mp3 -af "pan=stereo|c0=c0|c1=c0" stereo.mp3

# Simple conversion
ffmpeg -i mono.mp3 -ac 2 stereo.mp3

特定のチャンネルを抽出

# Extract left channel
ffmpeg -i stereo.mp3 \
  -filter_complex "[0:a]channelsplit=channel_layout=stereo:channels=FL[left]" \
  -map "[left]" left.mp3

# Extract right channel
ffmpeg -i stereo.mp3 \
  -filter_complex "[0:a]channelsplit=channel_layout=stereo:channels=FR[right]" \
  -map "[right]" right.mp3

5.1 サラウンド操作

# Downmix 5.1 to stereo
ffmpeg -i surround.ac3 \
  -af "pan=stereo|FL=0.5*FC+0.707*FL+0.707*BL+0.5*LFE|FR=0.5*FC+0.707*FR+0.707*BR+0.5*LFE" \
  stereo.mp3

# Extract center channel
ffmpeg -i surround.ac3 \
  -filter_complex "[0:a]channelsplit=channel_layout=5.1:channels=FC[center]" \
  -map "[center]" center.mp3

サンプルレートとビット深度

サンプルレートの変換

# Convert to 44.1kHz
ffmpeg -i input.wav -ar 44100 output.wav

# Convert to 48kHz
ffmpeg -i input.wav -ar 48000 output.wav

# High-quality resampling
ffmpeg -i input.wav \
  -af "aresample=resampler=soxr:precision=33:cheby=1" \
  -ar 44100 output.wav

ビット深度の変換

# Convert to 16-bit
ffmpeg -i input.wav -c:a pcm_s16le output.wav

# Convert to 24-bit
ffmpeg -i input.wav -c:a pcm_s24le output.wav

# Convert to 32-bit float
ffmpeg -i input.wav -c:a pcm_f32le output.wav

速度とピッチ

速度の変更（ピッチに影響します）

# 2x speed (chipmunk effect)
ffmpeg -i input.mp3 -af "atempo=2.0" output.mp3

# 0.5x speed (slow motion)
ffmpeg -i input.mp3 -af "atempo=0.5" output.mp3

# For >2x, chain filters
ffmpeg -i input.mp3 -af "atempo=2.0,atempo=2.0" output.mp3  # 4x

ピッチの変更（速度を維持します）

# Pitch shift using rubberband
ffmpeg -i input.mp3 \
  -af "rubberband=pitch=1.5" \
  output.mp3

# Pitch shift semitones
ffmpeg -i input.mp3 \
  -af "asetrate=44100*2^(2/12),aresample=44100" \
  output.mp3  # +2 semitones

トリミングと連結

音声のトリミング

# Extract 30 seconds starting at 1 minute
ffmpeg -ss 00:01:00 -i input.mp3 -t 00:00:30 -c copy output.mp3

# Extract from 1:00 to 2:30
ffmpeg -ss 00:01:00 -to 00:02:30 -i input.mp3 -c copy output.mp3

音声の連結

# Create file list
echo "file 'part1.mp3'" > list.txt
echo "file 'part2.mp3'" >> list.txt

# Concatenate (same format)
ffmpeg -f concat -safe 0 -i list.txt -c copy output.mp3

# Concatenate with re-encode
ffmpeg -f concat -safe 0 -i list.txt -c:a aac -b:a 256k output.m4a

クロスフェード

# Crossfade two files (3 second overlap)
ffmpeg -i part1.mp3 -i part2.mp3 \
  -filter_complex "acrossfade=d=3:c1=tri:c2=tri" \
  output.mp3

プロフェッショナルなワークフローとトラブルシューティング

ポッドキャスト、音楽のマスタリング、放送向け EBU R128 などの処理チェーン全体、およびポストプロセスでよく発生する問題（loudnorm のリサンプリングアーティファクト、A/V 同期、再エンコードによる品質低下）の修正については、references/workflows-and-troubleshooting.md を参照してください。

音声の分析と測定

音声分析および測定フィルターの詳細については、references/audio-analysis-measurement.md を参照してください。次の内容を扱います。

• astats — RMS、ピーク、クレストファクター、DC オフセット、ビット深度、ダイナミックレンジ
• ebur128 — EBU R128 / ITU-R BS.1770 に準拠した統合ラウドネス、LRA、トゥルーピーク。オプションでビデオメーター出力にも対応
• speechnorm — 音声・ポッドキャスト向けに調整された適応型ノーマライザー
• dialoguenhance（FFmpeg 8.0+）— 録音状態の悪い音声向けの音声帯域ブースト
• sofalizer — SOFA ファイルを使った HRTF / バイノーラル処理
• volumedetect — 平均音量とピーク音量の検出
• aweighting — 聴感上の音量に対応する A 特性曲線
• chromaprint — 音声フィンガープリントの生成（raw および base64）
• 完全な分析ワークフロー — astats + ebur128 + volumedetect + silencedetect を集約する audio-analysis.sh

このガイドでは、FFmpeg による音声処理について説明します。動画操作については、基礎スキルを参照してください。ノイズ除去の詳細については、ffmpeg-noise-reduction を参照してください。