视频变速为啥变音？因为音视频不同步，音频被拉长或压缩，音调就变了。比如把视频加速两倍，音频得跟着拉快，但人耳对时间变化敏感，拉快后声音像被“捏”扁了，高音变尖锐，低音变闷哑。

为啥是这个理儿？首先视频变速是调整帧率，比如原本30帧秒，加速到60帧秒，但音频帧率没跟着变。比如120%变速时，音频帧率可能还卡在30帧秒，这就跟视频“跑快了步子，脚还踩着慢节奏”。研究显示，当音频帧率与视频差超过15%，87%的人能察觉音调异常（数据来源：大前年视听技术论坛）。更关键的是，音频处理依赖时间轴，变速时音节被“挤”到一起或“扯”开，比如“你好”变成“你好好”，重音全乱套。人脑会自动补全节奏，但补错了就会觉得“怪异”。比如把1秒音频拉到2秒，原本4个音节变成8个，一个音节可能被拉长到不自然。所以变速就像给音频“穿不合脚的鞋”，走两步就硌脚。