Audio Mix Agent Skill

音频混合（旁白 + BGM + 音效）

> 把多条音频同时叠加混成一轨，核心能力是闪避（ducking）——旁白说话时自动压低

> 背景音乐，人声清晰、音乐不抢。全部走 skills/shared/scripts/audio_mix.py，

> 不要手拼 amix/sidechaincompress。

> 前后顺序拼接（一段接一段）见 audio-editing concat；给视频配乐见 video-editing bgm；

> 降噪见 audio-denoise。

输入

| 字段 | 必填 | 说明 |

|------|------|------|

| 旁白 | 否 | 口播/配音主轨（给了则输出时长跟它走，并触发闪避） |

| BGM | 否 | 背景音乐（自动循环补足到旁白长度） |

| 音效 | 否 | 一个或多个音效，可指定各自出现时间点 |

（三者至少给一个。最典型："旁白 + BGM"。）

输出（outputs/主题名/）

• 混音后的单轨音频（mp3/wav/m4a，按输出后缀）
• 报告：轨数、时长、是否闪避

执行步骤

脚本路径（相对项目根）：skills/shared/scripts/audio_mix.py（mix -h 看参数）。

# 旁白 + BGM（默认自动闪避，BGM 循环补足到旁白长度）
python skills/shared/scripts/audio_mix.py mix \
  --voice narration.mp3 --bgm music.mp3 --bgm-volume 0.25 \
  -o outputs/主题名/final.mp3

# 关闭闪避（纯叠加）
python skills/shared/scripts/audio_mix.py mix --voice v.mp3 --bgm m.mp3 --no-duck -o out.mp3

# 旁白 + 定时音效（第 3.5s 一个叮，第 8s 一个 whoosh）
python skills/shared/scripts/audio_mix.py mix --voice v.mp3 \
  --sfx ding.wav --sfx-at 3.5 --sfx whoosh.wav --sfx-at 8 -o out.mp3

调参

• 人声被音乐盖住：调低 --bgm-volume（默认 0.25）或确认闪避已开（默认开）。
• 闪避太猛/音乐一顿一顿：--no-duck 后手动压低 --bgm-volume。
• BGM 比旁白短：默认自动循环；不想循环用 --bgm-loop-off。
• 音效太响/太轻：--sfx-volume（默认 0.9）。

规则

• 有旁白时输出时长 = 旁白长度，BGM 自动循环/裁切对齐并在末尾淡出。
• 旁白 + BGM 默认开启闪避（人声优先）；不需要时显式 --no-duck。
• --sfx 与 --sfx-at 数量一致（或不给 --sfx-at 全部默认 0s）。
• 混音不做响度归一（保留相对音量）；需统一响度先用 audio-editing normalize。
• 产物统一进 outputs/主题名/。

参考来源

闪避用 ffmpeg sidechaincompress（以人声为控制信号压缩 BGM），是播客/口播视频保证人声清晰的

标准做法；多轨叠加用 amix。把 sidechain 接线与循环对齐封装成确定性脚本。