音频时长调整：变速不变调，把配音压到指定秒数
音频时长调整有两种填法：直接填目标秒数，工具自动算出倍速；或者直接填 0.5–2 倍之间的倍速。调整用的是“变速不变调”的时间拉伸，声音变快或变慢，音高不变，不会变成尖细的“花栗鼠声”。可以先处理开头 15 秒试听，满意再导出 MP3 或 WAV；放进 SRT 的话，字幕时间轴按同一比例缩放。全程在浏览器里完成，音频不上传。
- 填秒数或填倍速
- 0.5–2 倍，音高不变
- SRT 同比例缩放
- 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
音频时长调整
本机处理音频时长调整：填一个数，先听 15 秒
放进音频，有对应字幕就把 SRT 也放进来，再选“目标时长”或“倍速”。先听开头 15 秒的处理效果，确认没有明显的处理痕迹，再处理整段并下载。
音频时长调整怎么用：四步
不需要安装软件，也不需要视频。要对上画面时长，先在剪辑软件里量好镜头有几秒。
- 01
放进音频，按需加 SRT
MP3、WAV、M4A 等浏览器能解码的格式都可以，单个文件最大 200 MB、60 分钟（手机浏览器减半）。这段音频有对应字幕的话一起放进来，调整后字幕会跟着变。
- 02
选填法：目标秒数或倍速
要对上画面或投放时长，填目标时长，比如 55 或 0:55，工具按原时长算出倍速；只想整体快一点或慢一点，直接填倍速，或者点 0.8、0.9、1.1、1.2、1.25、1.5 这几个常用档。
小贴士 · 倍速大于 1，音频变短；小于 1，音频变长。
- 03
先听开头 15 秒
长音频完整处理要花一些时间，先只处理开头 15 秒，听辅音有没有发虚、有没有回声感。觉得不自然，就把倍速往 1 靠一点。
- 04
导出音频和字幕
导出 MP3（默认 192 kbps）或 WAV，文件名会带上倍速，比如“-1.13x”；放了字幕的，同时下载按比例缩放好的字幕，格式和原文件一样，导入剪映或 CapCut 时两者直接对齐。
音频时长调整的换算：秒数、倍速和字幕
音频时长调整只有一个公式，但方向很容易弄反。
倍速 = 原时长 ÷ 目标时长；新时长 = 原时长 ÷ 倍速。倍速大于 1 是加速，音频变短；小于 1 是减速，音频变长。“10 秒的内容怎么变成 5 秒”，答案是 2 倍；“不够长怎么拉长”，就是填一个小于 1 的倍速。
| 原时长 | 目标时长 | 倍速 | 结果 |
|---|---|---|---|
| 62 秒 | 55 秒 | ≈ 1.13 倍 | 可以处理 |
| 30 秒 | 36 秒 | ≈ 0.83 倍 | 可以处理（变慢） |
| 10 秒 | 5 秒 | 2 倍 | 正好到上限，处理痕迹会很明显 |
| 10 秒 | 4 秒 | 2.5 倍 | 超出范围，工具拒绝 |
| 20 秒 | 45 秒 | ≈ 0.44 倍 | 超出范围，工具拒绝 |
字幕怎么跟着变
放进 SRT 时，每个时间码都乘以“目标时长 ÷ 原时长”。例如 62 秒压到 55 秒，原来 00:00:31,000 开始的那条字幕，会变成 00:00:27,500（31 × 55 ÷ 62 = 27.5）。所有字幕按同一比例缩放，和变速后的音频依旧一条一条对得上。
和 SRT 时间轴调整的分工
SRT字幕时间轴调整只改字幕的时间，音频不动，适合字幕整体早了或晚了；本页改的是音频本身，字幕只是按同一比例跟着缩放。
为什么倍数越偏离 1，越容易听出处理痕迹
音频变速不变调不是魔法，本质是把声音切碎、挑着拼回去。拼得越多，越容易露馅。
直接改速度为什么会变调
最省事的变速是把播放速度调快：声波的每一个周期都被压短，频率升高，音高也跟着升高。升高多少可以算：半音数 = 12 × log₂(倍速)。这就是很多“音频加速”结果听起来像花栗鼠的原因。
| 倍速 | 直接改速度时的音高变化 |
|---|---|
| 1.1 倍 | 约升高 1.7 个半音 |
| 1.25 倍 | 约升高 3.9 个半音 |
| 1.5 倍 | 约升高 7 个半音 |
| 2 倍 | 升高 12 个半音（一个八度） |
| 0.8 倍 | 约降低 3.9 个半音 |
WSOLA：切小段、找相似、再拼回去
本工具用 WSOLA（波形相似叠加）做音频时长拉伸：把声音切成每段 30 毫秒、两头渐弱的小段（汉宁窗），按新的速度重新排布；每接一段之前，先在理想位置前后 10 毫秒内找一个和前一段波形最像的位置再叠上去，让接缝尽量听不出来。每一小段内部没有被压缩或拉长，所以音高不变；立体声的左右声道用同一组位置，声像不会左右飘。
代价是：加速时，一部分原始素材必须被跳过；减速时，一部分要被重复使用。倍数离 1 越远，这部分越多。1.25 倍时约有 20% 的素材被舍去，1.5 倍约三分之一，2 倍就是一半；0.8 倍时约 25% 的内容被用了两次，0.5 倍时每一段都要用两次。
- 辅音发虚或重复：爆破音、擦音只有几十毫秒，最容易被跳过，或者被叠成两次。
- 回声感、金属感：接缝处的波形对不齐时，会听到轻微的重影。
- 多人同时说话、带音乐的音频更明显：几种声音的波形不可能在同一个位置都对齐，只能顾一头。
所以，单人对白、干净的人声最适合做音频时长调整；带鼓点的混音、已经铺了背景音乐的成片，最好先调人声，再配音加背景音乐。
音频时长调整的三个常见场景
外语配音比画面长
同一句台词译成外语，时长会变，有的语种长出不少。画面已经定剪、配音超出镜头时，先量出差几秒，再用目标秒数把这一段压回去；差得多时，改短译文比硬压自然。
投放素材卡时长
广告位、片头口播常有固定时长。只差一两秒时，用 1.03–1.1 倍这种接近 1 的倍速，最不容易听出来。
语速太快，放慢一点
解说、推文语速偏快，观众跟不上字幕时，放慢到 0.9 倍左右，音高不变，比重新录省事。放慢太多会出现拖音和重复感，那时还是重配更好。
音频变速之前，先试试这几招
倍数越接近 1 越自然，所以最好的音频时长调整，往往是先想办法少压一点。
常见问题
不会。本工具用时间拉伸（WSOLA）做音频时长调整，每一小段声音内部不被压缩或拉长，所以音高不变。只有直接改播放速度才会变调，快 1.25 倍大约升高 3.9 个半音。
选“目标时长”，填入想要的长度，工具用“原时长 ÷ 目标时长”算出倍速。例如 62 秒压到 55 秒，约 1.13 倍。算出来不在 0.5–2 倍之间时，工具会拒绝处理并提示原因。
没有统一的答案，取决于素材：单人、干净、语速不快的配音能承受的倍数大一些，多人同时说话或带音乐的就小得多。规律是倍数越接近 1 越自然，所以每次都先听开头 15 秒再决定。
对得上，前提是把 SRT 一起放进来：每个时间码按同一比例缩放，和变速后的音频一起下载。只想挪字幕、不动音频，用 SRT字幕时间轴调整。
先算差多少。差几个百分点，用目标秒数整段压回去；只有个别句子超出，把整集按字幕切开，只调那几句再合并；差得很多，就改短台词或译文，在配音工坊里重新配音。
浏览器能解码的格式都可以，常见的 MP3、WAV、M4A（AAC）基本都行；AMR、WMA 这类浏览器解不了的格式会直接提示。单个文件最大 200 MB、60 分钟，手机浏览器上限减半。导出 MP3 或 WAV。
不会。解码、时间拉伸和编码都在你的浏览器本地进行，音频和字幕不经过任何服务器，不调用 AI，也不需要登录。更多音频小工具见免费工具。
