混音入门：人声、垫乐与音效的音量分层
混音听起来专业，核心其实只有一件事：定好主轨，其他都往下让。分层思维加上先统一响度再调比例的顺序，双轨三轨的合成在浏览器里就能做干净。
分层思维：先定主轨，其余都是陪衬
混音的第一件事是确定哪条是主轨。口播视频里人声是主轨，Vlog 里环境声或旁白是主轨。主轨的音量基准定下来，其他轨全部以它为参照往下让，这是混音八十percent的工作。
垫乐轨的常见参考值是比人声低 10 到 15 分贝的听感差距，体现在音量调整上就是把垫乐轨音量乘 0.3 到 0.4。别凭感觉一次调到位，先用这个比例挂着试听，再按内容微调。
音效轨（转场音、提示音）按「出现瞬间听得见、平时不干扰」的原则单独调，通常比垫乐略高、比人声低。每条轨在混音前明确自己的角色，比任何参数都管用。
响度统一：每条轨先各自拉齐再混
不同来源的音频响度差异很大：手机录的人声可能很轻，网上的垫乐可能很响。混音前先把每条轨分别用响度标准化工具拉齐到接近的响度水平，否则混音时的音量比例根本没法估。
拉齐之后再做相对音量调整：主轨不动，垫乐乘 0.3，音效乘 0.6，先混一版试听。这个顺序（先统一、再分层）比直接混省一半的返工。
每条轨单独处理还有个好处：哪条轨有问题（爆音、底噪）一听便知，不会混在一起互相掩盖。混音排错的基本功就是分层听。
拼接与对齐：把多条轨拼成一条
音轨各自调好后，用合并工具把垫乐和人声拼成一条。拼接时注意长度对齐：垫乐比人声长就先裁垫乐，比人声短就用循环补齐，两边都别硬凑。
混音的时序设计比音量更影响听感：垫乐在片头比人声先进入两三秒，片尾在说完之后多留几秒再淡出，这些「呼吸感」靠音频淡入淡出工具做，成本极低效果极好。
多段拼接的顺序结构（片头垫乐-人声进入-间奏-结尾）可以用合并工具按顺序拼，也可以在剪辑时把各段对齐时间轴后一起导出。本地工具适合前者：分段处理、逐段拼接。
常见翻车点：底噪、爆音与相位
混音后听起来「糊」，多数是底噪叠加：两条轨各自都有轻微底噪，叠起来就明显。处理办法是混音前把有底噪的轨单独降噪，混音后再整体降噪一次是补救手段，不是正确顺序。
爆音多发生在拼接点：两段音频衔接处波形突然跳变会发出「啪」声。给每段音频的首尾都加极短的淡入淡出（几十毫秒），拼接爆音基本消失。
声音发虚、人声像隔着水，检查是不是两条内容相近的轨叠加（比如既有现场人声又有后期配音）。同一内容出现两次的轨，留一条删一条，这比任何调参都有效。
输出选择：发布场景决定格式与响度
混完的成品按用途导出：发平台的视频轨用 AAC 就够，单独发布音频选 MP3（兼容性）或 FLAC（存档），中间过程的工作文件保留 WAV/PCM 无损格式，避免反复有损压缩叠加失真。
成品响度别拉满：留一点 headroom（峰值余量），不同平台二次响度标准化时不会压变形。听感上「响」是响度一致和动态合理的共同结果，不是把音量推到顶。
混音是迭代活：导出一版、换设备听一遍（手机外放、耳机、电脑音箱），哪里失衡改哪里。三轮下来基本就能稳定，别在监听环境上过度纠结。