Ghép nhạc vào Video – Add Audio to Video

Ghép nhạc vào video là gì?

Ghép nhạc vào video là việc bổ sung âm thanh vào một video và xác định lúc âm thanh đó xuất hiện cùng hình ảnh. Về nguyên tắc, bạn có thể dùng nhạc nền, lời thuyết minh hoặc hiệu ứng âm thanh, miễn là chúng nằm trong file âm thanh phù hợp. Việc ghép không nhất thiết khiến nhạc phát từ đầu đến cuối: một đoạn nhạc có thể chỉ xuất hiện tại thời điểm bạn chọn.

Trong công cụ này, mã nguồn thể hiện khả năng xử lý một video và tối đa ba track nhạc bổ sung. Bạn chọn phần cần lấy trong mỗi file nhạc, đặt phần đó lên trục thời gian của video và quyết định có giảm tiếng video gốc trong khoảng ấy hay không. Kết quả được thiết lập để xuất thành MP4.

Điểm quan trọng là công cụ trộn nhạc với âm thanh gốc, không mặc nhiên xóa hay thay thế tiếng gốc. Vì vậy, tiếng nói, tiếng môi trường và nhạc có sẵn trong video vẫn có thể xuất hiện trong hỗn hợp.

Những chức năng trên có căn cứ từ mã được cung cấp. Tuy nhiên, việc phát, xử lý và tải xuống thành công còn phụ thuộc trình duyệt, đầu vào và bộ xử lý FFmpeg bên ngoài chưa được cung cấp đầy đủ. Nhãn giới thiệu trên giao diện không phải bằng chứng về chất lượng hay khả năng tương thích thực tế.

Năm thuật ngữ cần hiểu khi ghép nhạc vào video

Track âm thanh

Track âm thanh là một lớp âm thanh có nguồn và khoảng phát riêng. Trong công cụ, mỗi track bổ sung nhận một file nhạc cùng các mốc chọn đoạn và vị trí chèn. Ba track có thể phát nối tiếp hoặc cùng lúc. Track không đồng nghĩa với kênh trái, phải của âm thanh stereo: một file stereo vẫn được quản lý như một track nhạc. Track chưa chọn file cũng chiếm một trong ba vị trí hiện có.

Timeline

Timeline là trục thể hiện vị trí theo thời gian. Công cụ lấy thời lượng video làm thước đo để biểu diễn các thanh nhạc: thanh nằm càng bên phải thì bắt đầu càng muộn, thanh càng dài thì đoạn chọn càng dài. Chiều rộng thanh không thể hiện dung lượng file hay độ lớn âm thanh. Phần thanh vượt cuối video bị rút ngắn trên hình vẽ, nhưng điều đó không có nghĩa các mốc cắt nhạc đã tự thay đổi.

Trim: chọn đoạn nhạc

Trim là chọn phần âm thanh nằm giữa một mốc bắt đầu và một mốc kết thúc trong file nguồn. Chẳng hạn, lấy từ giây 5 đến giây 17 nghĩa là chọn đoạn dài 12 giây. Trong công cụ này, hai mốc ấy quyết định phần nhạc được dùng khi nghe thử và xuất. Trim không phải thay đổi tốc độ phát, kéo giãn nhạc hay tự lặp đoạn ngắn. Nó cũng không phải thao tác cắt bớt hình ảnh của video.

Thời điểm chèn

Thời điểm chèn là mốc trên video tại đó đoạn nhạc được chọn bắt đầu phát. Nó thuộc hệ thời gian khác với mốc bắt đầu lấy nhạc. Nếu lấy nhạc từ giây 5 và chèn ở giây 10, video phát đến giây 10 mới bắt đầu nghe phần nhạc tại giây 5 của file nguồn. Phân biệt hai mốc giúp tránh việc vô tình lấy sai đoạn hoặc đặt đúng đoạn nhưng sai thời điểm xuất hiện.

Ducking: giảm tiếng video gốc

Trong kiến thức âm thanh nói chung, Ducking là giảm mức của một nguồn khi nguồn khác xuất hiện. Ở công cụ này, tùy chọn đó giảm tiếng video gốc theo khoảng phát của track nhạc, không tự nhận diện lời nói. Track mới mặc định bật Ducking. Đây không phải chức năng giảm nhạc nền để làm rõ lời thoại: nếu lời thoại nằm trong tiếng gốc, nó cũng bị giảm. Các track chồng nhau còn có thể tạo mức giảm khác giữa nghe thử và xuất.

Dữ liệu đầu vào và kết quả nhận được

Các file và mốc thời gian cần chuẩn bị

Đầu vào gồm một file video và từ một đến ba file âm thanh bổ sung. Để xuất, phải có ít nhất một track đã chọn file; các track trống không được đưa vào phần trộn. Trình duyệt cần đọc được thời lượng để timeline và mốc kết thúc mặc định có ý nghĩa. Chuỗi xử lý hiện tại cũng cần luồng âm thanh gốc mà bộ xử lý đọc được.

Mỗi track có ba mốc tính bằng giây: bắt đầu lấy nhạc, kết thúc lấy nhạc và thời điểm chèn trên video. Ô nhập có bước 0,1 giây và hiển thị một chữ số thập phân, nhưng giá trị dùng bên trong không nhất thiết chỉ chính xác đến mức đó. Bộ chọn file lọc theo nhóm video hoặc âm thanh; đây không phải cam kết rằng mọi định dạng trong nhóm đều tương thích.

Cách hiểu bản xem trước và file MP4

Bản xem trước phối hợp trình phát video với các trình phát âm thanh riêng. Nó giúp kiểm tra đoạn chọn và vị trí xuất hiện, nhưng không phải phát lại một file đã render. Timeline cũng chỉ là cách biểu diễn các khoảng thời gian, không phải bằng chứng nội dung đầu ra đã được xử lý.

Nếu xử lý thành công, lệnh xuất tạo MP4, sao chép luồng hình đầu tiên của video và mã hóa âm thanh trộn thành AAC. Sao chép hình không đồng nghĩa nâng độ phân giải hay cải thiện chất lượng nguồn. Khả năng đóng gói hình vào MP4 còn phụ thuộc codec đầu vào và bộ xử lý.

Tiến độ xử lý nói lên điều gì?

Phần trăm tiến độ được ước lượng từ thời gian xử lý trong nhật ký FFmpeg so với thời lượng video. Nó không phải dự báo số phút còn phải chờ. Tốc độ có thể thay đổi theo file và thiết bị. Mã kích hoạt tải xuống sau khi đọc được dữ liệu đầu ra không rỗng; người dùng vẫn nên mở file nhận được để kiểm tra hình, tiếng và đoạn kết.

Công cụ chọn đoạn, đặt nhạc và trộn tiếng như thế nào?

Từ đoạn nhạc nguồn đến vị trí trên video

Quy tắc cơ bản là độ dài đoạn nhạc = mốc kết thúc − mốc bắt đầu. Khoảng phát trên video đi từ thời điểm chèn đến thời điểm chèn cộng độ dài đoạn. Khi nghe thử, vị trí tương ứng trong file nhạc bằng mốc bắt đầu lấy nhạc cộng thời gian video đã chạy kể từ thời điểm chèn.

Khi xuất, công cụ yêu cầu cắt đoạn nguồn, đưa thời gian của đoạn về điểm xuất phát mới rồi trì hoãn theo vị trí chèn trước khi trộn với tiếng gốc. Độ trễ được đổi từ giây sang mili giây và làm tròn đến số nguyên. Khi nghe thử, nếu vị trí âm thanh lệch quá 0,2 giây so với vị trí dự kiến, mã điều chỉnh lại để khớp.

Khác biệt giữa nhập thời gian và kéo timeline

Kéo cả thanh thay đổi vị trí chèn và giới hạn vị trí đó từ đầu đến cuối video. Kéo mép phải thay đổi mốc kết thúc lấy nhạc. Kéo mép trái vừa thay đổi mốc bắt đầu lấy nhạc, vừa dịch thời điểm chèn. Vì thế, kéo đầu thanh không có tác động giống việc chỉ sửa ô bắt đầu lấy nhạc.

Nhập số và kéo chuột dùng ràng buộc khác nhau. Nhập số chặn mốc bắt đầu âm, giới hạn mốc kết thúc không vượt thời lượng nhạc, và khi bắt đầu không nhỏ hơn kết thúc thì đặt lại bắt đầu bằng kết thúc trừ 0,1 giây. Kéo mép dùng khoảng cách 0,2 giây. Ô chèn chỉ chặn giá trị âm, không chặn vượt cuối video. Ô kết thúc bằng 0 được hiểu theo giá trị thay thế là thời lượng nhạc, không phải yêu cầu đoạn dài bằng 0.

Giảm tiếng gốc và xử lý nhiều track

Khi nghe thử, chỉ cần một track bật Ducking đang hoạt động thì âm lượng video được đặt ở hệ số 0,2; ngoài khoảng đó trở về 1. Khi xuất, mỗi track bật tùy chọn tạo một lần giảm tiếng gốc theo khoảng riêng. Nếu các khoảng chồng nhau, những lần giảm được áp dụng nối tiếp.

Thời lượng phần âm thanh trộn được chọn theo đầu vào đầu tiên, tức âm thanh gốc, không phải theo tổng độ dài nhạc thêm vào. Không có quy tắc riêng ép toàn bộ file kết thúc chính xác theo thời lượng hình. Tương tự, việc thanh nhạc bị giới hạn ở cuối timeline chỉ thay đổi hình vẽ, không tự cắt lại đoạn gửi đi xử lý.

Ví dụ đọc mốc thời gian và hiểu kết quả ghép nhạc

Đặt một đoạn nhạc vào giữa video

Giả định video dài 60 giây, có âm thanh gốc đọc được, và file nhạc dài 40 giây. Bạn lấy nhạc từ giây 5 đến giây 17, đặt ở giây 10 của video và bật Ducking. Độ dài đoạn chọn là 17 − 5 = 12 giây, nên khoảng nhạc được bố trí từ giây 10 đến giây 22 trên video.

Tại giây 14 của video, vị trí tương ứng trong nhạc là 5 + (14 − 10) = giây 9. Độ trễ yêu cầu khi xuất là 10 × 1000 = 10000 mili giây. Trong khoảng track hoạt động, bản nghe thử đặt tiếng gốc ở hệ số 0,2. Các con số này được suy ra từ quy tắc trong mã, không phải kết quả của một lần render đã được kiểm chứng.

Hai track cùng phát trong một khoảng

Giả định video dài 30 giây và có âm thanh gốc. Track A lấy đoạn 0–10 giây, chèn ở giây 5; track B lấy đoạn 2–10 giây, chèn ở giây 8. Track A nằm trong khoảng 5–15 giây. Track B dài 8 giây, nằm trong khoảng 8–16 giây. Vùng cùng phát là từ giây 8 đến giây 15.

Nếu cả hai bật Ducking, nghe thử đặt tiếng gốc ở hệ số 0,2 trong vùng chồng. Chuỗi xuất áp dụng hai lần giảm, nên hệ số cho tiếng gốc trước bước trộn là 0,2 × 0,2 = 0,04. Không nên hiểu 0,04 là âm lượng cuối cùng của toàn bộ file: hỗn hợp còn chứa hai track nhạc và chịu cách xử lý của bộ trộn.

Nhạc được đặt gần cuối video

Giả định video dài 20 giây, có âm thanh gốc; nhạc dài 30 giây, chọn đoạn 0–12 giây và chèn ở giây 15. Đoạn được chọn dài 12 giây, nhưng từ điểm chèn đến cuối hình chỉ còn 5 giây. Vị trí thanh là 15/20 × 100 = 75% chiều dài timeline.

Chiều rộng ban đầu theo đoạn nhạc là 12/20 × 100 = 60%, nhưng hình vẽ bị giới hạn còn 25%. Mốc chọn vẫn là 0 và 12 giây, không tự đổi thành 0 và 5 giây. Lệnh xuất vẫn nhận đoạn 12 giây với độ trễ 15 giây. Phần thực sự xuất hiện trong âm thanh đầu ra còn phụ thuộc thời lượng tiếng gốc và hành vi bộ trộn.

Khi nào nên dùng công cụ ghép nhạc vào video?

Nhạc cho một đoạn thay vì toàn bộ video

Công cụ phù hợp khi bạn muốn nhạc chỉ xuất hiện ở một phần của video giới thiệu, nhật ký hình ảnh hoặc cảnh chuyển tiếp. Chọn đoạn nguồn và vị trí chèn giúp bố trí âm thanh mà không phải phủ nhạc toàn bộ thời lượng. Nhu cầu này vẫn chỉ thuộc phần âm thanh; mã không thể hiện chức năng cắt cảnh, chèn chữ hay thay đổi thứ tự hình ảnh.

Bố trí nhiều lớp âm thanh có chủ đích

Với tối đa ba track, bạn có thể đặt các phần âm thanh vào những thời điểm khác nhau hoặc cho chúng chồng nhau. Ví dụ, một track dành cho phần mở đầu, một track cho đoạn giữa và một track cho đoạn kết. Nếu cần phối chồng, nên chọn nguồn đã cân bằng mức âm lượng phù hợp: công cụ không có điều khiển âm lượng riêng cho từng nhạc, cũng không triển khai fade-in hay fade-out để làm chuyển tiếp mềm hơn.

Giữ tiếng gốc và quyền sử dụng nhạc

Việc bật Ducking nên dựa trên thứ cần người xem nghe rõ. Nếu tiếng gốc chứa lời giải thích quan trọng, giảm nguồn đó có thể làm lời nói khó nghe hơn. Nếu tiếng gốc chỉ là âm thanh môi trường, giảm nó trong đoạn có nhạc có thể phù hợp với chủ đích của bạn.

Về kiến thức sử dụng nội dung nói chung, hãy kiểm tra quyền dùng nhạc trước khi chia sẻ hoặc đăng tải. Khả năng ghép một file không đồng nghĩa bạn được cấp giấy phép cho file ấy. Mã được cung cấp không cho thấy kho nhạc hay quyền sử dụng đi kèm. Nghe lại bản xuất là bước kiểm tra riêng cần thiết trước khi phát hành.

Ghép nhạc khác gì nối nhạc, thay tiếng gốc và đồng bộ âm thanh?

Trộn nhiều nguồn hay nối các đoạn?

Trộn nhiều nguồn tạo một hỗn hợp trong đó các âm thanh có thể cùng phát. Nối các đoạn chủ yếu sắp chúng theo thứ tự để đoạn sau tiếp tục đoạn trước. Công cụ này cho phép đặt track nối tiếp trên video, nhưng mục tiêu đầu ra vẫn là video có âm thanh trộn. Nó không triển khai một chế độ riêng chuyên nối nhạc thành file âm thanh độc lập.

Bổ sung nhạc hay thay hoàn toàn tiếng gốc?

Bổ sung nhạc giữ tiếng gốc như một thành phần trong hỗn hợp. Thay hoàn toàn tiếng gốc đòi hỏi loại nguồn đó khỏi kết quả hoặc đưa mức của nó về không. Ducking trong công cụ chỉ giảm theo hệ số 0,2 cho mỗi khoảng được bật, không phải chế độ xóa tiếng. Nếu mục tiêu là chỉ còn nhạc mới, phạm vi triển khai hiện tại không cung cấp lựa chọn riêng đáp ứng yêu cầu ấy.

Đặt nhạc đúng lúc hay sửa lệch tiếng và hình?

Đặt nhạc đúng lúc là chọn thời điểm âm thanh bổ sung bắt đầu theo diễn biến hình ảnh. Sửa lệch tiếng và hình lại là điều chỉnh quan hệ thời gian của âm thanh gốc với video, chẳng hạn lời nói không khớp chuyển động miệng. Mã hiện tại không cho thấy khả năng dịch riêng tiếng gốc để sửa khẩu hình.

Tương tự, chọn một đoạn nhạc ngắn hơn không làm video ngắn đi. Bạn nên xác định đầu ra cần là video được bổ sung nhạc, video bị cắt thời lượng hay video được sửa đồng bộ, vì đó là những yêu cầu khác nhau.

Giới hạn và những điểm cần kiểm tra trước khi xuất

Âm thanh gốc và khả năng tương thích đầu vào

Video không có luồng âm thanh gốc có thể không xuất được, kể cả khi bỏ Ducking, vì chuỗi trộn vẫn tham chiếu nguồn này. Thông báo lỗi trên giao diện chỉ là gợi ý chung, không đủ để xác định nguyên nhân. Ngoài ra, sao chép hình vào MP4 cần codec nguồn phù hợp. Việc chọn được file không bảo đảm cả trình duyệt lẫn bộ xử lý đều đọc được file đó.

File lớn, thiết bị di động và phụ thuộc xử lý

Mã không đặt mức dung lượng hoặc thời lượng tối đa cố định. Tuy nhiên, không thể từ đó suy ra khả năng xử lý file lớn bất kỳ: bộ nhớ, trình duyệt và thiết bị vẫn ảnh hưởng đến quá trình. Thư viện và lõi FFmpeg chưa được cung cấp đầy đủ nên chưa xác minh được codec, phiên bản hay mức dùng tài nguyên.

Timeline hiện có xử lý sự kiện chuột, chưa có triển khai cảm ứng riêng để bảo đảm kéo cắt trên iPhone. Cũng chưa có dữ liệu xác minh toàn bộ quy trình phát, xuất và tải xuống trên từng thiết bị. Không đủ căn cứ để cam kết hoạt động ngoại tuyến hoặc dữ liệu không được gửi ra ngoài.

Bản nghe thử không phải bảo đảm cho bản xuất

Nên nghe lại file xuất, đặc biệt ở vùng nhiều track chồng nhau, các điểm bắt đầu và cuối video. Ducking chồng lấn được xử lý khác giữa nghe thử và xuất; hành vi âm lượng của bộ trộn còn phụ thuộc thư viện. Đồng thời, hãy kiểm tra các mốc nằm trong phạm vi hợp lý, vì ràng buộc đầu vào chưa bao quát mọi trường hợp bất thường như nhạc rất ngắn hoặc vị trí chèn vượt cuối video.

Câu hỏi thường gặp

Video không có tiếng gốc có ghép nhạc được nếu tắt Ducking không?

Không thể bảo đảm, và mã hiện tại vẫn có thể gặp lỗi với video không có luồng âm thanh dù đã tắt Ducking. Tùy chọn này chỉ quyết định có áp dụng giảm tiếng gốc hay không; nó không loại tiếng gốc khỏi chuỗi trộn. Vì vậy, lời gợi ý bỏ chọn Ducking trong thông báo lỗi không phải giải pháp chắc chắn. Trước khi dùng, cần phân biệt video có một luồng âm thanh im lặng với video hoàn toàn không có luồng âm thanh: hai trường hợp không giống nhau về cấu trúc đầu vào.

Có thể kéo cắt nhạc trực tiếp trên iPhone không?

Chưa có đủ căn cứ để khẳng định kéo cắt trực tiếp bằng cảm ứng trên iPhone hoạt động. Phần timeline được cung cấp lắng nghe thao tác chuột, không thể hiện cách xử lý cảm ứng riêng. Các ô nhập thời gian là một phương thức cấu hình khác có trong giao diện, nhưng cũng chưa có kiểm chứng toàn bộ trải nghiệm trên iPhone. Nếu sử dụng điện thoại, hãy kiểm tra việc chọn file, đọc thời lượng, nghe thử và tải kết quả thay vì coi khả năng mở trang là bằng chứng mọi chức năng đều tương thích.

Có thể thêm hơn ba track hoặc xóa track cũ để thêm track mới không?

Không thể có hơn ba track cùng tồn tại theo giới hạn trong mã, nhưng có thể xóa track cũ rồi thêm track mới. Giới hạn tính cả track chưa chọn file, nên một thẻ trống vẫn chiếm chỗ. Xóa track loại nó khỏi danh sách trộn và dừng trình phát âm thanh tương ứng. Việc thêm lại chỉ tạo một track mới để cấu hình, không phải cơ chế giữ nhiều hơn ba lớp hoạt động đồng thời hay tự gộp các track trước đó thành một lớp.

Có thể xóa hoàn toàn tiếng gốc và chỉ giữ nhạc mới không?

Không có chế độ riêng được triển khai để xóa hoàn toàn tiếng gốc và chỉ giữ nhạc mới. Tiếng gốc luôn được đưa vào phần trộn, còn Ducking giảm nó chứ không tắt hẳn. Ngay cả khi nhiều khoảng giảm chồng nhau làm tiếng gốc nhỏ hơn, điều đó vẫn không tương đương loại bỏ nguồn. Nếu yêu cầu đầu ra là chỉ có nhạc mới, bạn cần một quy trình có khả năng loại tiếng gốc rõ ràng, thay vì dựa vào việc giảm âm lượng để coi như đã xóa.

Nhạc ngắn có tự lặp cho đến hết video không?

Không. Mã không triển khai tự lặp nhạc để lấp đầy thời lượng video. Một track dùng đoạn đã chọn và bắt đầu tại mốc chèn; sau khoảng đó, bản nghe thử dừng phát track. Chọn mốc kết thúc dài hơn thời lượng nguồn cũng không tạo thêm nội dung âm thanh, vì mốc này được giới hạn theo thời lượng nhạc khi đồng bộ ô nhập. Bạn có thể bố trí các track riêng trong giới hạn ba vị trí, nhưng không nên hiểu thao tác ấy là chức năng lặp tự động hoặc nối liền mạch có chuyển tiếp.

Vì sao âm lượng trong file xuất có thể khác lúc nghe thử?

Vì nghe thử và xuất sử dụng hai cơ chế khác nhau. Bản nghe thử phối hợp các trình phát và chỉ đặt tiếng gốc ở hệ số 0,2 khi có ít nhất một track Ducking hoạt động. Khi xuất, các lần giảm theo từng track được nối tiếp, nên vùng chồng có thể làm tiếng gốc nhỏ hơn. Sau đó còn có bước trộn âm thanh với hành vi phụ thuộc phiên bản thư viện chưa xác minh. Do đó, cảm giác cân bằng lúc xem trước không đủ để kết luận mức âm lượng của file cuối.

Có thể khẳng định video và nhạc không được gửi ra ngoài thiết bị không?

Không thể khẳng định điều đó chỉ từ phần mã được cung cấp. Mã cho thấy việc tạo nguồn phát từ file đã chọn và đưa dữ liệu vào bộ xử lý, nhưng các thư viện bên ngoài cùng toàn bộ môi trường trang chưa được kiểm tra. Việc không thấy một yêu cầu tải file lên trong phần mã này không chứng minh không có hoạt động mạng, lưu trữ hoặc truyền dữ liệu ở nơi khác. Với video riêng tư hay nội dung nhạy cảm, nên có thông tin chính sách và cơ chế xử lý được xác minh trước khi sử dụng.