阈值：多安静才算静音
阈值是音频被当作静音处理的音量界限。设得太高，您就有剪掉轻声说话的风险；设得太低，微弱的背景噪声会让间隙无法被检测到。
先从略低于您正常说话音量的位置开始。如果轻声的词语被剪掉了，就降低阈值；如果明显的停顿被保留了，就稍微调高一点。
最短静音时长：间隙必须多长
这是将被删除的最短静音。较短的数值（约 0.3 秒）比较激进，非常适合快速、有活力的片段。较长的数值（0.6–0.8 秒）只删除真正的停顿，并保留语音的自然节奏。
短视频用较短的数值，播客、旁白和访谈用较长的数值。
缓冲：每处剪切周围的喘息空间
缓冲会在每处剪切之前和之后保留少量音频，这样词语不会被截断，剪辑也不会显得突兀。对大多数口语内容来说，约 50–150 毫秒都合适。
缓冲太少听起来会很碎；缓冲太多则会留下您本想删除的间隙。调整到让耳朵察觉不到剪切为止。
按内容类型的起点
播客和访谈：更长的最短时长、保守的阈值、充裕的缓冲。短视频：更短的最短时长、稍少一点的缓冲以增添活力。配音和有声书：更长的最短时长，配合谨慎的阈值，让呼吸听起来自然。
无论从哪种设置开始，导出前都要预览一段，并且一次只微调一个设置。
三个控制如何相互影响
这三个设置不是彼此独立的旋钮——它们相互平衡。较低的阈值会把更多安静的音频判定为“静音”，但较长的最短时长会阻止它剪掉短暂的自然停顿。填充则会柔化真正被剪掉的部分。你动了其中一个，往往就想微调另一个，这也正是为什么一次只改一个数值胜过对三个一起瞎猜。
可以这样理解：阈值决定什么算作静音，最短时长决定哪些静音值得剪掉，而填充决定剪切听起来怎么样。
一套可复用的调参方法
从默认值开始，预览。如果明显的空白段还留着，就把阈值稍微调低。如果自然的停顿消失了、语音显得仓促，就提高最短时长。如果剪切听起来突兀，就加十到三十毫秒的填充。改一个数值，再预览，反复进行——通常两三遍就够了。
一旦某套设置听起来还是你本人、只是更紧凑了，就把它记下来并复用。在一个系列中保持设置一致，比为单个文件苦苦追求一个完美数值更重要。