需在输出后进行精准音量调节，方法包括：一、用内置Audio Editor调增益；二、注入LUFS提示词引导生成标准化电平；三、导出后通过Knowledge层Loudness Scanner插件校准。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您已通过 MuleRun 生成音频片段，但发现整体音量偏小、失衡或存在动态范围压缩不足等问题，则需在输出后进行精准音量调节。以下是多种可行的后期音频音量调整方法：
一、使用内置Audio Editor面板直接调节增益
该方法适用于已完成音频生成并处于MuleRun工作区编辑状态的用户，无需导出至外部软件，所有操作在浏览器内完成，支持实时预览与非破坏性调整。
1、在MuleRun主界面点击已生成的音频轨道右侧的“Edit”按钮，进入内置Audio Editor。
2、在编辑面板顶部工具栏中，找到“Gain”滑块控件，默认值为0.0 dB。
3、向右拖动滑块可提升整体电平（如+3.5 dB），向左拖动可衰减（如−2.0 dB）；系统实时显示峰值电平（Peak: −1.2 dB）与RMS均方根值（RMS: −14.8 dB）。
4、点击播放器下方的“Apply Gain Change”按钮，确认应用该增益偏移，原始波形保持不变，仅新增增益元数据。
二、注入动态范围控制提示词引导模型输出标准化电平
该方法在音频生成阶段即嵌入响度目标约束，使MuleRun推理过程主动适配ITU-R BS.1770-4标准下的LUFS（响度单位）基准，避免后期大幅修正导致削波或噪声抬升。
1、在Prompt Assistant面板中输入原始音频描述，例如：“upbeat synth-pop loop, 112 BPM, bright FM bassline, crisp snare transient”。
2、在末尾追加响度控制指令：“Output with integrated loudness of −14 LUFS ±0.5, true peak ≤ −1 dBTP, no clipping on master bus”。
一款AI办公效率工具，主要用于使用CLI（curl/jq）通过OpenAI Docs MCP服务器查询OpenAI官方文档。当任务涉及OpenAI API（Responses、Chat Completions、Realtime等）、SDK、ChatGPT Apps SDK、Codex、MCP集成、端点结构、参数、限制或迁移，且需要最新官方指导时调用，适合需要提升相关任务效率的用户。
3、勾选“Enable Loudness-Aware Generation”选项（位于提示词区域下方），确保模型调用内置响度预测头。
4、点击Generate，新生成音频将自动匹配指定响度域，Waveform视图中显示绿色LUFS标签（−14.2 LUFS）。
三、导出后通过Knowledge层调用本地Loudness Scanner插件校准
该方法面向专业音频工作者，利用MuleRun Knowledge层挂载的Librosa+EBU R128合规分析模块，在云端完成符合广播级标准的响度扫描与自动归一化，结果可回写至原始任务资产。
1、在任务详情页点击“Export → WAV (24-bit/48kHz)”下载未处理音频。
2、返回左侧导航栏，进入“Knowledge Hub”，搜索并启用插件“EBU R128 Loudness Scanner v2.3”。
3、点击该插件卡片中的“Upload & Analyze”，选择刚导出的WAV文件，系统启动扫描流程。
4、扫描完成后，页面显示三项关键指标：Integrated LUFS: −18.6、True Peak: −0.3 dBTP、Range: 11.2 LU。
5、点击“Auto-Normalize to −14 LUFS”，系统生成校准版音频并自动替换原资产，同时保留原始版本备份。
