HTML 标签不支持多音轨混合，必须用 Web Audio API 解码、对齐、加权叠加 PCM 数据；直接并发播放多个 会导致不同步、无法读取原始数据、数字削波和失步。
HTML <audio></audio> 标签本身不支持多音轨混合——它只能播放单一路媒体流。所谓“多音轨混合”，必须用 Web Audio API 手动解码、对齐、加权叠加 PCM 数据，否则你看到的只是多个音频元素并发播放，不同步、不可控、必爆音。
为什么不能直接用多个
常见错误是给页面塞 3 个 <audio></audio>，然后同时调 .play()。结果往往是：
- 各音频独立解码，起始误差常达 ±80–120ms，几秒后明显拖拍
- 浏览器禁止 JS 直接读取
<audio></audio>的原始 PCM 数据，无法做加法运算 - 两路满幅信号（-1.0 ~ +1.0）直接相加，输出值超出 [-1, 1] 范围 → 触发数字削波（clipping），出现刺耳爆音
- 没有统一时间轴，
currentTime各自为政，暂停/跳转/变速时完全失步
正确做法：用 Web Audio API 构建混音链路
核心是复用一个 AudioContext，把所有音轨预加载为 AudioBuffer，再通过节点连接实现可控叠加：
- 只创建一次
AudioContext，后续所有操作都复用它 - 用
fetch().then(r => r.arrayBuffer())获取音频二进制，再调context.decodeAudioData()解码；解码后缓存buffer，避免重复阻塞主线程 - 每轨用
context.createBufferSource()实例，启动时传入精确时间戳：source.start(context.currentTime)或source.start(context.currentTime + 0.01, offset) - 混音推荐走统一
GainNode：每轨.connect(mixGain)，再mixGain.connect(context.destination) - 设
mixGain.gain.setValueAtTime(0.5)是安全起点——两路满幅信号叠加后不会越界
立体声下混成单声道的坑点
不是简单丢掉右声道，也不是用 ChannelMergerNode 拼接——它只合并通道，不做计算。正确下混必须手动平均：
立即学习“前端免费学习笔记（深入）”；
- 用
buffer.getChannelData(0)和buffer.getChannelData(1)分别提取左右声道Float32Array - 新建单声道
AudioBuffer，循环写入mono[i] = (left[i] + right[i]) / 2 - 或者更工程化：用
ChannelSplitterNode拆出左右，各自接GainNode设gain.value = 0.5，再一起连到context.destination——Web Audio 会自动无缩放相加
实时切换音轨或动态混音的注意事项
如果要做“点击按钮切换背景音乐+人声轨”，别改 <audio></audio> 的 src，而是：
- 提前加载全部音轨的
AudioBuffer，存在 Map 或对象里，键名对应轨道 ID - 切换时，停掉当前
BufferSourceNode（调.stop()），再用新 buffer 创建新 source 并.start(context.currentTime) - 若需淡入淡出，用
gain.exponentialRampToValueAtTime()控制增益变化，别硬切 - 所有操作必须在用户手势（如 click）后首次调用
context.resume()，否则 Chrome/Firefox 静音
真正难的不是写几行 connect 代码，而是时间戳对齐、增益缩放边界、缓冲区复用时机和用户交互触发链的衔接——这些地方一松懈，混音就变成噪音合集。
