配音加背景音乐：说话时自动压低音乐，一键混成一条 MP3
配音加背景音乐，最费事的不是把两条音轨叠在一起，而是每句台词开口时把音乐压低、说完再抬回来。这个工具把这一步自动做了：放进一段配音和一段音乐，工具按人声的音量起伏自动“闪避”（ducking），说话时音乐降下去、停顿时升回来；音乐整体音量、闪避深度、起落快慢、前奏和收尾都能调，音乐不够长会自动循环，最后导出一条立体声 MP3 或 WAV。两个文件都只在你的浏览器里处理，不会上传。
- 说话时音乐自动让路
- 前奏 · 收尾 · 淡入淡出
- 音乐短了自动循环
- 文件不上传
更新于 2026 年 11 月 6 日内容核对于 2026 年 11 月 6 日
配音加背景音乐
本机处理配音加背景音乐：放两个文件，听一遍就能导出
先放人声（MP3、WAV 或 M4A），再放一首音乐；有字幕的话，把人声对应的 SRT 也放进来。先用默认设置试听，音乐压得不够或太狠，再调闪避深度。
配音加背景音乐怎么做：五步混成一条
第一次用，建议先全部用默认值听一遍，再一项一项调。每改一个设置都可以马上试听，不用等导出。
- 01
第 1 步
放进人声和音乐
人声可以是配音、录音或口播，音乐放一首纯音乐最省心，MP3、WAV、M4A 都行。单个文件最大 200 MB、60 分钟（手机浏览器减半）；能不能读取取决于浏览器自带的解码器，AMR、WMA 这类格式一般读不了。
小贴士 · 人声和音乐分成两个干净的文件效果最好。人声里已经混了音乐或很重的环境声，闪避会把它们也当成说话，压不准；工具测到人声文件底噪偏高时会提示。
- 02
第 2 步
先定音乐整体音量
音乐音量是相对人声算的：工具先分别测出人声说话部分和音乐本身的平均响度，默认把音乐放在比人声低 12 dB 的位置，所以不管音乐文件原来响不响，起点都一样。这个值决定没人说话时音乐有多响，比如前奏和长停顿，可在 −36 到 +6 dB 之间调；前奏都嫌吵，就是这里太响。
- 03
第 3 步
调闪避深度和起落
闪避深度是说话时音乐在上一步的基础上再降多少，默认 −10 dB，最深 −30 dB。“压低用时”默认 150 毫秒，而且是提前开始的：整段是离线处理的，工具知道下一句什么时候开口，音乐在开口那一刻已经降好。“抬回用时”默认 600 毫秒，太短的话，音乐会在句与句之间一抽一抽地冒出来。
- 04
第 4 步
加前奏、收尾和淡入淡出
前奏是人声开口前音乐先走几秒（默认 2 秒），收尾是最后一句之后音乐再留几秒（默认 3 秒），成片时长 = 前奏 + 人声 + 收尾。音乐比这短，默认自动循环，接缝处做 1.5 秒的等功率交叉淡化；也可以选“只放一遍”，放完就停。音乐比这长，就在收尾处截断。开头默认淡入 1 秒，结尾淡出 2.5 秒。
- 05
第 5 步
试听、导出
满意后导出立体声 MP3（128、160 或 192 kbps，默认 192）或 WAV。混好的音频峰值如果会超过 −1 dBFS，工具会把整条混音一起压低，不会爆音。加了前奏，人声整体往后挪了几秒，放进来的 SRT 会按同样的秒数后移，和音频一起下载，字幕照样对得上。
自动闪避怎么工作：用数字看懂 dB
配音加背景音乐时常说“把音乐压低 10 dB”，到底压了多少？先把 dB 换算成看得见的倍数，调参数就不用靠猜。
工具在做什么
工具先把人声切成很短的小段，逐段算出音量，连成一条音量包络线。包络线高于阈值的地方就是在说话，那里的音乐增益往下走到“闪避深度”；包络线落下去，增益再慢慢回到原位。整条增益曲线是从人声算出来的，换一段配音，曲线也跟着变，所以配音加背景音乐不用逐句手调。没有自动闪避时，这一步只能在剪辑软件里一句一句手动拉音量关键帧。
dB 和倍数对照
| 音量变化 | 波形幅度变成 | 听感（经验法则） |
|---|---|---|
| −3 dB | 约 71% | 能听出小了一点 |
| −6 dB | 50% | 明显小了一截 |
| −10 dB | 约 32% | 大约小一半 |
| −20 dB | 10% | 大约只剩四分之一 |
dB 可以直接相加。按默认值，音乐比人声低 12 dB，幅度约为人声的 25%；说话时再闪避 10 dB，就比人声低 22 dB，幅度只剩约 8%。想让说话时的音乐更轻，改闪避深度；想让前奏和停顿时也更轻，改音乐音量。两个设置分工不同，别混着调。
起落时间和句间停顿
AI Drama Voice 工坊导出的配音，每两句之间固定留 0.35 秒空白。工具对短于 250 毫秒的空当保持压低，之后才按“抬回用时”的速度回升（按 dB 线性回升）。用默认的 600 毫秒算，0.35 秒的空当里音乐最多回升 10 dB × 0.1 ÷ 0.6 ≈ 1.7 dB，几乎听不出来；停顿超过约 0.85 秒（0.25 + 0.6），音乐才会完全回来。如果把“抬回用时”调到最短的 100 毫秒，同样的空当里音乐会整整回升 10 dB 再被压下，听起来像在喘气，混音里叫 pumping。
配音背景音乐音量最佳比例：没有标准数字，只有判断方法
搜“配音背景音乐音量最佳比例”会看到各种数字，但大多说不出出处。我们没有找到公认的标准，所以这里只给判断方法和一个可以调的起点。
配音加背景音乐没有固定比例，原因很简单：同样压到 −20 dB，安静的钢琴和满编制的鼓点听起来完全是两回事；同一首音乐，垫在低沉的男声下和清亮的女声下，抢戏的程度也不一样。人声和背景音乐合成时，比例真正要满足的只有一条：观众不费劲，就能听清每一个字。
四个实用判断法
- 用手机外放听一遍。大多数短视频是在手机上播放的，耳机里听得清，外放不一定。
- 专门听最轻的那几句。耳语、哽咽这类轻声台词最容易被音乐吞掉，这几句清楚，其他句一般没问题。
- 优先选纯音乐。带人声演唱的歌和台词抢的是同一种声音，闪避再深也会分散注意力。
- 鼓点密、低音重的音乐，整体音量再降一点；只有一两件乐器的铺底，可以留得响一些。
配音加背景音乐后人声被盖住？六个修法
混完一听人声发闷、发虚，先分清是整体太响、说话时压得不够，还是音乐本身和人声撞了。
说话时还是吵
把闪避深度从 −10 dB 加到 −14 或 −16 dB。它只在说话时起作用，前奏和停顿不受影响。
整首都太响
降音乐整体音量。前奏都嫌吵，说明是整体问题，不是闪避的问题。
轻声开头被吞
耳语、叹气这类很轻的开头，可能低于人声检测的阈值，开口那一下音乐还没压够。把“压低用时”调长一点，音乐会更早开始往下走；耳语多的片子，闪避深度也加深一点。
句间一抽一抽
加长“抬回用时”的时间，音乐就不会在短停顿里冒头。
人声文件不干净
闪避按人声音量计算，人声里混着空调声、音乐或别人的声音，工具会把它们也当成说话，并提示人声文件底噪偏高。尽量用干净的人声文件，长空白可以先用删除音频空白部分处理。
循环接缝听得出来
换一首比人声长的音乐，或者缩短前奏和收尾，让音乐不必循环；一定要循环时，挑首尾节奏接得上的曲子。
配音加背景音乐的版权：工具只管混音，授权自己确认
这一节不是法律意见，只说清责任在哪：本工具不提供音乐，也不检查你放进来的音乐有没有授权。用了谁的音乐、能不能发布和商用，由使用者自己负责。
“能免费下载”和“能免费商用”是两回事。很多网站的音乐可以免费听、免费下载，许可却只允许个人欣赏；短剧、推文、带货视频大多属于商业用途。放进来的每一首音乐，你都应该能说出它的来源和许可。
常见的许可写法
| 许可 | 大致意思 | 拿来铺底要注意 |
|---|---|---|
| CC0 / 公有领域 | 放弃版权，可以自由使用 | 确认上传者就是作者，不是转载 |
| CC BY | 可以使用，包括商用 | 按要求署名：作者、曲名、许可 |
| 含 NC | 禁止商业用途 | 商业短剧、广告、带货视频不要用 |
| 含 ND | 禁止改编 | 音乐和画面同步就算改编，不适合铺底 |
| 平台曲库、付费曲库 | 按平台或合同条款 | 看清能否带出平台、能否用于商业作品 |
视频平台一般都有自动的版权识别，例如 YouTube 的 Content ID，命中受保护的音乐时，视频可能被认领、限制播放或静音。用过的每一首音乐，把来源链接和许可页面存一份截图，出了问题才说得清；拿不准的，直接问版权方。更多免费音频小工具见免费工具。
常见问题
配音加背景音乐没有公认的标准比例，标准是每个字都听得清。可以从工具默认值开始：音乐比人声低 12 dB，说话时再压低 10 dB，用手机外放听最轻的那几句；听不清，把闪避深度加到 −14 dB 左右；前奏也嫌吵，再降音乐音量。
先判断是说话时盖住，还是整首都太响。说话时盖住，加大闪避深度；整首太响，降整体音量；每句开头被盖住，把“压低用时”调长一点，让音乐更早开始下降。带演唱的歌换成纯音乐，效果往往比调参数更明显。
默认自动循环音乐，接缝处做 1.5 秒的等功率交叉淡化，避免咔哒声和断档；不想循环就选“只放一遍”，音乐放完就停。循环会重复旋律，长片子更推荐挑一首比人声长的音乐。音乐比人声长时，按“前奏 + 人声 + 收尾”的长度截断，结尾淡出。
只在开头可以：选“只放一遍”，用一段短音乐，设好前奏，音乐放完一遍就停，结尾按设置淡出。开头和结尾都要、中间完全不要，这个工具做不到；能接近的做法是把闪避深度调到 −30 dB，说话时音乐只剩约 3% 的幅度，几乎听不见，但长停顿里还会回来。真要中间完全没有，在剪辑软件里把音乐剪成两段。
对得上。前奏让人声整体后移几秒，把人声的 SRT 一起放进来，工具会把每条字幕平移同样的秒数，和混好的音频一起下载。已经导出的字幕要单独挪，用 SRT字幕时间轴调整 整体平移即可。
不会。配音加背景音乐的每一步，解码、算音量包络、混音和 MP3 编码，都在你的浏览器里完成，人声和音乐都不离开你的电脑或手机，关掉页面数据就没了。也不调用 AI、不扣积分、不用登录。
要看那首音乐的许可，不能一概而论。CC0 和 CC BY（署名）一般允许商用，含 NC 的禁止商用，含 ND 的禁止改编；平台曲库和付费曲库按各自条款。本工具不提供音乐、也不审核授权，用哪首、能不能商用由你自己确认，拿不准就问版权方。
