上周帮朋友处理一期两个小时的播客录音，原始文件 1.2GB，平台上传上限 500MB。我打开音频压缩工具，把比特率从 320kbps 拉到 128kbps，采样率从 48kHz 降到 44.1kHz，文件变成 380MB。导出后我戴着监听耳机从头到尾听了一遍，人声的齿音和气息都在，背景音乐里的贝斯线条也没糊。但当我用同样参数压一段架子鼓独奏时，镲片的金属泛音明显变暗，像是被蒙了一层布。
这件事让我意识到，音频压缩不是选个固定预设就完事，得看内容里占主导的是哪种频率。下面是我拿三段人声、一段鼓点和一段钢琴独奏反复试出来的结果。
打开工具后先改哪两个参数，才能让文件变小但声音不塌？
工具页面打开后，默认给的是 128kbps 和 44.1kHz，这个组合对大多数语音类内容够用。但如果你要压的是音乐，先把比特率提到 192kbps，采样率保持 44.1kHz 不动。
我试过把采样率从 48kHz 降到 32kHz，人声倒是没什么变化，但钢琴的高音区会失去光泽，像是琴弦上落了灰。所以采样率尽量别低于 44.1kHz，这是 CD 的标准，也是人耳能感知到的频率上限的两倍多一点。
比特率则要看内容复杂度。纯语音单声道，96kbps 就够；带背景音乐的语音，提到 128kbps；纯音乐，至少 192kbps。这个判断标准是：压缩后你还能不能听清每个乐器的起音和尾音。如果起音变钝，就是比特率太低了。
不同内容类型该怎么设置，我拿三段素材试出了具体数值？
场景一：播客对谈（双人语音 + 轻微环境声）
输入：48kHz 立体声 WAV，时长 1 小时 40 分。
设置：比特率 112kbps，采样率 44.1kHz，声道改为单声道。
产出：文件从 1.1GB 减到 210MB。
试听结论：两人说话的声音分离度还在，翻页声和椅子轻微的吱呀声也保留了。单声道在这里没有损失方位感，因为人声本来就集中在中间声道。
场景二：乐队排练录音（吉他 + 贝斯 + 鼓 + 人声）
输入：44.1kHz 立体声 WAV，时长 6 分钟。
设置：比特率 192kbps，采样率 44.1kHz，保持立体声。
产出：文件从 62MB 减到 8.8MB。
试听结论：鼓的冲击力还在，但镲片的高频泛音比原文件少了大约 15% 的亮度。如果这是要混音的参考素材，建议用 256kbps；如果只是给乐队成员听个大概，192kbps 完全够。
场景三：有声书旁白（单人语音，安静环境）
输入：48kHz 单声道 WAV，时长 3 小时。
设置：比特率 96kbps，采样率 44.1kHz，单声道。
产出：文件从 950MB 减到 130MB。
试听结论：气息声和唇齿音都清晰，没有出现低比特率常见的"水声"伪影。96kbps 对纯语音是安全线，再低到 64kbps 就会开始有沙沙的底噪。
什么情况下别用这个工具，或者别用它的默认参数？
如果你要处理的是母带级的混音文件，准备交给后期做频谱修复或响度标准化，那别在这里压缩。这个工具会把动态范围压掉一部分，虽然人耳不一定察觉，但频谱分析仪上能看到 15kHz 以上的能量被削平。后期处理需要完整的频率信息，压缩过的文件会让修复算法误判。
另外，如果你的素材是视频里的音轨，需要和画面严格同步，那压缩后要检查音频时长是否变化。我试过几次，工具处理后的音频时长误差在 0.01 秒以内，但如果你做的是帧级对齐的剪辑，这点误差会导致口型对不上。
还有一类情况：你的听众会用手机外放听。手机扬声器本身就会衰减低频和高频，所以压缩到 128kbps 和 320kbps 在外放条件下几乎没有差别。但如果听众用监听耳机或车载音响，那 192kbps 以下的高频损失是能听出来的。
压缩后还要做哪一步，才能让文件真正可用？
压缩只是第一步，导出后我一般会再检查两个地方：一是响度是否统一，二是文件开头和结尾有没有爆音。这个工具不处理响度标准化，所以如果原文件各段音量不齐，压缩后差距会被拉大。我会用音频编辑软件把响度统一到 -16 LUFS 左右，这是播客平台比较常用的标准。
另外，如果你压的是多个文件，建议把参数记下来，下次直接填同样的值，省得每次都要试听对比。我习惯把参数写在文件名里，比如"访谈_112kbps_44.1k_mono"，这样一个月后回来看还能知道当时是怎么处理的。
工具本身支持批量处理，但批量前先拿一段 30 秒的素材试听确认参数没问题，再全量跑。我吃过亏，一次性压了二十个文件，结果发现某个参数导致低频共振，全部得重来。
如果你需要处理的是视频里的音轨，可以先用这个工具把音频单独压好，再在剪辑软件里替换。这样比直接导出视频再压要快得多，因为视频编码比音频编码耗时高一个量级。
最后提醒一句：压缩后的文件别直接覆盖原文件，留一份原始 WAV 或 AIFF 备份。你永远不知道什么时候需要重新压一版不同参数的。