谈谈关于DJ舞曲缩混的知识

从听说音频以来，我就认识了很多很多处理音频的设备。比如变调，激励，eq等等。当时我就觉得，这些东西都很好玩，把人声变成收音机特效啊，低频激励显得很男人啦，加混响做的像在山谷里啊，都是非常有意思的。后来我又认识了缩混。这就更好玩啦！我们可以把每轨都加上很多很多效果，然后叠在一起。并以“混音师”的名义自居。时间长了才知道其实不然。  
下面咱们就来聊聊吧，什么是缩混（mixing）：  
( j3 W+ f. u, z2 x9 c+ x" T呵呵，如今“效果器”的概念已经深入人心，就连mp3上都带混响，EQ这种效果器了。网上关于效果器的文章也是数不胜数。  
  |  {7 `/ [6 x相信大家对效果器的使用已经有了很深的理解了，那么是不是使用好了效果器就等于会缩混了呢？这里可以负责任地告诉大家，绝对不是这样的。不用效果器也可以做缩混。。“只用”效果器反倒不能做缩混。刚开始接触缩混的朋友肯定遇到过这种问题，使用了各种效果器，每轨加他10个20个，结果出来的成品还是一样的浑浊，不光溜，华丽。  
实际上，缩混的概念是伴随着人类声音录制与回放设备的发明和改进而提出的。我们为了什么而缩混？当你的恋人在你身边轻轻歌唱，当你欣赏卖艺的高人拉琴，你会觉得这是世上音质最好的声音。可是，绝对没有人为这些东西缩混过。那为什么他们的音质很棒呢？这是因为他们都是在自然界中的声音。而自然界几乎可以说根本没有“缩混”这一概念。当今的人造发声设备还远远做不到放出来的声音和真的声音一摸一样（我是说像不像真的，也有可能放出来的比真的还好听）。这并不是录音者的手艺问题，无论是音箱的发声机理，还是电信号与数字信号处理都是有不少缺陷的。尤其是大家听古老的录音的时候，无一不是频带奇窄，电平狂劈的。当时有一部分声音的玩家在想，声音为什么会劈？为什么明明自然界听起来协和的两个声音混起来反而音质变差？于是，“缩混”的概念被逐渐地提出和发展了——录制的声音，受到了人类发明的声音设备的限制，无法像自然界的声音一样完全自由地组合。正是这些“限制”，直接导致了缩混的产生。
4 k! N. ^) H6 Z- _# w" r' l4 X4 ]

我们对声音最关心的一件事情可能就是声音的大小了。噪音在多小可以忍受？现场放多大音量才最爽？等等。可以说声音的大小直接关系到观众的感觉——没人愿意去听根没有声差不多的音乐。也没有人愿意听吵的耳朵都要聋了的音乐。那么，声音的大小是如何确定的呢？  
声音的大小  

可以说声音的上下偏移的大小程度，被称为“振幅”的东西比较间接地影响了声音的大小。不过音量还和频率有不少关系，（专业里面可没有音量这个词，叫做“响度”，呵呵）所以实际上现实中的声音是很难从图上看出振幅的。  
而且，人对声音大小的“感觉”也并非与振幅成正比，（比如你可以找一个振幅为1单位的sine，再找一个振幅为2单位的sine，听起来声音绝对不是大了一倍。）  
5 y" F1 b0 w) i7 ^9 A+ z
4 k0 P( }; T: o! b1 P, h! G所以。我们需要一个更加简单，与人的听感相对应的单位来衡量声音的大小。即——分贝。  
以分贝为单位的电平表  
$ @, B; E1 X; M分贝的定义涉及到了一些数学知识比如指数什么地，那么我们只需要知道，在分贝的世界里面，是没有乘法和除法的，而是只有加减法。也就是说，从没有说：“你这个声音太小了，把分贝数乘2啊！”——这就错了。只能说这个声音小了，咱们再+6分贝吧。之类的。  
知道了分贝数的加减法概念之后，我们可以想象，自然界的声音，从细针落地到飞机的轰鸣声，都是可以完美无缺地表达的，无非就是分贝的加减法而已。人们常常在乎声音有多“大”，却忽略了自然界中的声音也是可以无限小的。  
自然界声音的大小  
7 q$ b# Y# O; b! @( t. U3 U6 `/ M我们再来看看声音的其他特性：  
（2） 频率：不同生物可以听到不动频率范围内的声音  
( ^6 A' j7 V$ v7 e4 o
声音都是有频率的，这里的频率指的并不是音乐学上所说的“音高”，而是指谐波构成。不同的谐波从低频到高频按照不同的大小，位置组合起来，便构成了所有的声音。这个声音的最小元素叫做“sine”。其实就是合成器中所说的sin波：  

sin波（正弦波）  
由各种不同频率的sine合起来，便组成了我们听到的这些复杂的波：  
复杂的波  
# Z# W7 @6 c+ \* W! W也就是说，无论你这个声音再奇怪，再大再长，还是由一些sine构成的。一首交响乐，一个军鼓声，都是由sine构成的。永远逃不掉。  
% x: ^, R+ B/ T
那么这个所谓的频率构成有何特性呢？首先要说的就是人能听到的只是从20－20khz这么大的范围，低于或高于这个范围的所有sine我们都是听不到的。其次，同样频率成分相近的两个声音在一起的时候，音量大的那个会把音量小的那个“淹没”掉。比如说我们在全是人说话声的聚会，往往需要大喊才能听到自己的声音，因为人声的频率成分都差不多，别人的容易把你的盖掉，而在一些只有高频或者低频噪音的工厂，也就是说同样音量的噪音，却能避开你说话声音频率成分的地方，只用较小的音量便可以听清了。  
. h% W5 x8 e3 U' l) m2 e
3 T$ x- e4 L4 D6 J! U+ D这是一个比较有趣的现象，高频的声音似乎和低频的声音完全井水不犯河水，各走各的路。缩混的时候从来没听说三角铁和地鼓打架的。基本就是这个道理呵呵（详见后文关于效果器使用中的EQ部分）  
' g" \/ {* W3 t  E& A
/ `& S. z9 J4 o$ M& `好了，讲完了音量和频率构成两个概念（当然还有其他概念，比如反射，方向，等等等等），我们再来看看这两个概念合起来会发生什么事情：  

1． 同频率的两个声音合体  
1 z3 s( p; v  N2 E, Q- y6 ?2． 差别很多的两个声音合体  
你会发现，频率越相近的声音，在合起来之后越能使音量增大，而越是不同频率的声音合体则越不会发生这种事情。  
" i* J$ x+ Z: j& I! L6 m
$ ^$ e3 x8 _3 ^4 T7 d0 l, ~如果我们把频率和振幅画成这样一副图：  

# }% J* k- `) A0 d2 d$ H低频的贝司和高频的某个乐器  

可以看到，越是频率不同，两个声音就越不达界，越可以互相音量都大，但是如果是频率相近的，首先就是音量猛地增加，其次是有一个要把一个盖住，或者两个都不太清楚。  
低频的贝司、鼓和高频的某个乐器  
/ `+ k4 |5 L& n& z; u
那么，假如我们在真实世界里面有两个乐器，都是低频成分多的，当他们同时弹奏的时候，图形就会是这样的：

想要了解人造声音世界，首先需要知道的就是声音是如何从物理信息变为电信号和数字信号，又是如何从这些信号变回去的。  

1 R$ h3 t4 h8 `+ n' M6 \2 q简单的说，声音经历了：  
1． 拾音设备 （声音信号变为电信号）  
: G* b( B0 Z+ A* a' C: Y* Z2． AD （电信号变为数字信号）  
9 x+ X9 [$ K6 Q3． DA （数字信号反过来变为电信号）  
4． 音箱 （电信号又重新变为声音）  
声音的经历  
' x4 y2 I5 K5 W4 a8 P
可以看到，记录与回放一共经历了4布，那么咱们马上就会讲到这四步都会有出现一个相同的问题：在拾音这一块，信号是会在过大的时候出现电压过载情况的。超过某个最大值（包括接近的）的声音就会开始“劈”掉。这是一个多么可怕的限制！  
先抛去其他原因，不要忘记再好的模拟设备也是有低噪的，为了得到最佳的信噪比，我们必须让信号在不“劈”的情况下越大越好！  
' j0 H& p: R5 h# P' g1 c3 m必须让信号在不“劈”的情况下越大越好再来看看数字信号这里，更加存在“劈”这一说了，前面一步模拟控制的再好，到数字这一块又变得和没费劲一样了，一切重新来，还是要以“不劈”为原则，即便是之前没有劈的，在这里依然有劈的危险。  
3 {* k& y) X8 i+ W+ \# O数字信号  

实际上无论是使用模拟还是数字设备处理声音，声音都被限制在一个不能太高，也不能太低的基础上了。你想在一首录音作品中同时表现飞机上天声和钢针落地声吗？很遗憾的告诉你，这是绝对不可能的，除非你破坏他们原有的响度比例。这回大家可能知道我的文章的题目是怎么回事了，真实世界的声音就好像在一个无限大的面里自由的摆放。如果沿用刚才的图，这个图就变成了这样：  
1 N  R% _9 ?' s; F, {; A9 z
9 @& Q$ Z, f. A9 ^4 t' I0 N) A宇宙间的声音要多大多大要多小多小，频率也是无限宽  
. D* E" z. c: U# j3 E
真实世界的声音就好像在一个无限大的面里自由的摆放  

. U; ^1 K- |; k) j而人造世界的声音就好比被关在了一个四方的无形“笼子”里：  
, \) d6 U  V4 G. V: T9 ?人造世界的声音好象被关在无形“笼子”里  

" ]1 b: V9 ]3 y& l! m可以看到！每个频段的声音都有一个最大值和最小值，我们只能叠加有限个同样频率的声音进到我们的这个图形里面，如果进的过多了，那么直接的影响就是——辟了，另外的影响就是——混了。这样，真实的声音放映与人类科技所制造的声音放映有什么区别，我想大家已经一幕了然了。真实世界的声音是无限延伸的，而人类制造出来的声音只能是被封存在一个有限的空间里。如果沿用咱们刚才的图形：横轴是频率，纵轴是电平的坐标系来表示声音的话，我们便能画出真实声音世界和人造声音世界的不同：  

再来看看刚才那张图？如果几个频段相近的声音跌加，会出现什么问题呢：  

声音劈掉了  

+ I# g! I3 H( ~. X0 k- w; ~可以想象，把所有的声音放进这样的一个有限制的空间里面是何等地困难！就好比一个舞蹈团，在无限的台上跳舞是绝对比在笼子里跳舞会好的多。如果你是一个舞蹈编剧，你是希望在无限大的舞台编舞蹈呢，还是希望在笼子里跳舞呢？（钢X舞？呵呵呵呵）。显而易见的选择，大多数的音乐家也是希望在无限的空间里制造自己的音乐的。然而，很遗憾。现在我们只有一个笼子这么大的空间。任你再多的元素，也只能放在这个小小的笼子里。  

对人声效果的处理，大多数人都是使用反复试探性调节的方法，以寻找音感效果最好的处理效果。此种调音方式的不足十分明显：  
　（1） 寻找一个理想的调音效果，需经多次猜测，所以需要教长的时间。  
. U3 E/ n$ P# f$ @  b: e' S　（2） 较好的调音效果常常是偶然遇到的，这对于调音规律的归纳总结没什么帮助，并且以后也不易再现。  
, k1 o# ^- p6 T" h3 J　（3） 不同设备的各项固定参数和可调参数都不尽相同，因而使用某一设备的经验，通常都无法用于另一设备。  
　发展到目前的效果处理设备，用于改变音源音色的技术手段并不太多，其中比较常用的只有频率均衡、延时反馈、限幅失真等3种基本方法，然而这些效果处理设备的不同参数组合所产生的音色则大相径庭。  
6 e$ I% ?  x4 B2 i3 U　效果处理器的参数设置可以有很多项，尤其是延时反馈，这种模拟混响效果参数的设置理论上可达几十项之多。当然这些专业性极强的参数，大多数人都难以理解，也不知道如何理解。因此，大部分效果处理设备都只设置一、二个可调参数，并且其可调范围也比较狭窄。这种调整简单的效果处理设备容许人们在上面进行尝试性调整，而不会出现太大的问题。但对于效果处理要求更为精细的调音场合，例如在多轨录音系统当中，则必须使用更为专业的效果处理设备，用以做出更为精细的效果处理。  
频率均衡  
　很明显，频率均衡的分段越多，效果处理的精细程度也就越高。除了图示均衡，一般调音的均衡单元通常只有三四个频段，这显然满足不了精确处理音源的要求。为了能足够灵活的对人声进行任意的均衡处理，我们建议使用增益、频点和宽度都可调整的四段频率均衡。  
　多数频率均衡的可调参数只有增益一项，然而这并不意味着其他两项参数不存在，而且这两项参数为不可调的固定参数。当然这两项参数设置为可调也并非难事，但这些会增加设备的成本，并使其调整变得复杂化。所以增益、频点和宽度都可调整的参量均衡电路，通常只有在高档设备上才能见到。  
2 W. x6 M* c3 L1 G　实际上，增益、频点和宽度都是可调整的频率均衡，几乎不可能使用胡猜乱试的方法找出一个理想的音色。在这里我们必须研究音频信号的物理特性、技术参数以及他在人耳听感上的对应关系。  
　人声音源的频谱分布比较特殊，就其发音方式而言，他有三个部分：一个是由声带震动所产生的乐音，此部分的发音最为灵活，不同音高、不同发音方式所产生的频谱变化也很大；二是鼻腔的形状较为稳定，因而其共鸣所产生的谐音频谱分布变化不大；三是口腔气流在齿缝间的摩擦声，这种齿音与声带震动所产生的乐音基本无关。  
, p, ^5 f  t' f$ V　频率均衡可以大致的将这三部分频谱分离出来。用语调节鼻音的频率段在500Hz，以下均衡的中点频率一般在80~150Hz，均衡带宽为4个倍频程。例如，可以将100Hz定为频率均衡的中点，均衡曲线应从100~400Hz平缓的过渡，均衡增益的调节范围可以为+10Db~ -6dB。这里应提醒大家的是：进行此项调整的监听音箱不得使用低频发音很弱的小箱子，以避免鼻音被无意过分加重。  
- ^- d- ~# m( j" i; i( T9 O　人声乐音的频谱随音调的变化也很大，所以调节乐音的均衡曲线应非常平缓，均衡的中点频率可在1000~3400Hz，均衡带宽为 六个倍频程。此一频段控制着歌唱发音的明亮感，向上调节可温和地提升人声的亮度。然而如需降低人声的明亮度，情况就会更复杂一些。一般音感过分明亮的人声大多都是2500Hz附近的频谱较强，这里我们可用均衡带宽为1/2倍频程，均衡增益为-4dB左右的均衡处理，在2500Hz附近寻找一个效果最好的频点即可。  
. q4 D5 X: w# A　人声齿音的频谱分布在4kHz以上。由于此频段亦包含部分乐音频谱，所以建议调节齿音的频段应为6~16KHz，均衡带宽为3个倍频程，均衡中点频率一般在10~12KHz，均衡增益最大向上可调至+10Db；如需向下降低人声齿音的响度，则应使用均衡带宽为1/2倍频程，均衡中点频率为6800Hz的均衡处理，其均衡增益最低可向下降至-10Db。  
　由以上分析可以看出，对人声进行频率均衡处理时，为突出某一音感而进行的频段提升，都尽量使用曲线平缓的宽频带均衡。这是为了使人声鼻音、乐音、齿音三部分的频谱分布均匀连贯，以使其发音自然、顺畅。从理论上讲，应使人声在发任何音时，其响度都保持恒定。  
　为了在不破坏人生自然感的基础上对其进行特定效果的处理可以使用1/5倍频程的均衡处理，具体有以下几种情形：  
  R3 H* V' e! S, |4 A' X. k2 D$ G　（1） 音感狭窄，缺乏厚度，可在800Hz处使用1/5倍频程的衰减处理，衰减的最大值可以在-3dB。  
　（2） 卷舌齿音的音感尖啸，"嘘"音缺乏清澈感，可在2500Hz处使用1/5倍频程的衰减处理，衰减的最大值可以在-6Db。  
7 S  y1 T9 G2 }6 b6 R+ x' v; w　　对音源的均衡处理，最好是使用能显示均衡曲线的均衡器。一般数字调音台均衡器上的均衡增益调节钮用"G"来标识，均衡频率调节钮用"F"来标识，均衡带宽调节钮用"F"或"Q"来标识。  
延时反馈  
　延时反馈是效果处理当中应用最为广泛，但也是最为复杂的方式。其中，混响、合唱、镶边、回声等效果，其基本处理方式都是延时反馈。
7 U4 ?* a7 I  Z  ^! Z- v8 b( ~

1、混响  
　混响效果主要是用于增加音源的融合感。自然音源的延时声阵列非常密集、复杂，所以模拟混响效果的程序也复杂多变。常见参数有以下几种：  
' f  c5 {- i& h) y0 ~! w4 w3 n　混响时间：能逼真的模拟自然混响的数码混响器上都有一套复杂的程序，其上虽然有很多技术参数可调，然而对这些技术参数的调整都不会比原有的效果更为自然，尤其是混响时间。  
) }! o9 h- a9 Q7 |7 J! o　高频滚降：此项参数用于模拟自然混响当中，空气对高频的吸收效应，以产生较为自然的混响效果。一般高频混降的可调范围为0.1~1.0。此值较高时，混响效果也较接近自然混响；此值较低时，混响效果则较清澈。  
　扩散度：此项参数可调整混响声阵密度的增长速度，其可调范围为0~10，其值较高时，混响效果比较丰厚、温暖；其值较低时，混响效果则较空旷、冷僻。  
6 u& R4 ?3 \' V: E2 Z" s　预延时：自然混响声阵的建立都会延迟一段时间，预延时即为模拟次效应而设置。  
　声阵密度：此项参数可调整声阵的密度，其值较高时，混响效果较为温暖，但有明显的声染色；其值较低时，混响效果较深邃，切声染色也较弱。  
　频率调制：这是一项技术性的参数，因为电子混响的声阵密度比自然混响稀疏，为了使混响的声音比较平滑、连贯，需要对混响声阵列的延时时间进行调制。此项技术可以有效的消除延时声阵列的段裂声，可以增加混响声的柔和感。  
+ h6 t" k$ I2 J　调治深度：指上述调频电路的调治深度。  
　混响类型：不同房间的自然混响声阵列差别也较大，而这种差别也不是一两项参数就能表现的。在数码混响器当中，不同的自然混响需要不同的程序。其可选项一般有小厅（S-Hall）、大厅（L-Hall）、房间（Room）、随机（Random）、反混响（Reverse）、钢板（Plate）、弹簧（Sprirg）等。其中小厅、大厅房间混响属自然混响效果；钢板、弹簧混响则可以模拟早期机械式混响的处理效果。  
　房间尺寸：这是为了配合自然混响效果而设置的，很容易理解。  
　房间活跃度：活跃度，就是一个房间的混响强度，他与房间墙面吸声特性有关，此项参数即用于调节此特性。  
　早期反射声与混响声的平衡：混响的早期反射声与其处理效果特性关系密切，而混响声阵的音感则不那么变化多端，所以数码混响器的这两部分的生成是分开的，本参数就是用于调整早期反射声与混响声阵之间响度平衡。  
7 m- W2 I) q2 `0 C; O　早期反射声与混响声的延时时间：即早期反射声与混响声阵之间的延时时间控制。此时间较长，混响效果的前段就较清澈；此时间较短，早期反射声与混响声就会重叠在一起，混响效果的前段就较浑浊。  
3 u* {" d3 [3 \+ A6 W; O　除以上可调参数之外，混响效果还有一些其他附属参数，例如低通滤波、高通滤波、直达/混响声的响度平衡控制等。  
　2、延时  
$ H) y% U' y. S: S9 ^- M7 {　延时就是将音源延迟一段时间后，再欲播放的效果处理。依其延迟时间的不同，可分别产生合唱、镶边、回音等效果。  
* k6 P% S7 Y' t$ {- Z/ V9 Q! [　当延迟时间在3~35ms之间时人耳感觉不到滞后音的存在，并且他与原音源叠加后，会因其相位干涉而产生"梳状滤波"效应，这就是镶边效果。如果延迟时间在50ms以上时，其延迟音就清晰可辨，此时的处理效果才是回音。回音处理一般都是用于产生简单的混响效果。  
; a+ x  B( b, f) x: s2 L　延时、合唱、镶边、回音等效果的可调参数都差不多，具体有以下几项：  
　*延时时间（Dly），即主延时电路的延时时间调整。  
　*反馈增益（FB Gain），即延时反馈的增益控制。  
" `0 f' b' n) O1 v: B$ P* Z! K　*反馈高频比（Hi Ratio），即反馈回路上的高频衰减控制。  
　*调制频率（Freq），指主延时的调频周期。  
: @* ~: u7 X& h　*调制深度（Depth），指上述调频电路的调制深度。  
　*高频增益（HF），指高频均衡控制。  
) a& T/ s. I8 r* y' f1 d　*预延时（Ini Dly），指主延时电路预延时时间调整。  
　*均衡频率（EQ F），这里的频率均衡用于音色调整，此为均衡的中点频率选择。  
　由于延时产生的效果都比较复杂多变，如果不是效果处理专家，建议使用设备提供的预置参数，因为这些预置参数给出的处理效果一般都比较好。  
声激励  
4 j' u3 V/ P7 L　对音源信号进行浅度的限幅处理，音响便会产生一种类似"饱和"的音感效果从而使其发音在不提高其实际响度的基础上有响度增大的效果。
3 n  k5 M" x4 z# y

　均衡调好之后，再调节激励器。先将激励器的驱动电平和混频电平调至最大状态，频率调谐放在2500Hz，此时如果其发音已显嘈杂，或音色过硬，可将驱动电平调低，应注意这种调整有变化的是音源的硬度。如果驱动电平调在较高的位置，而只将混频电平调低，则高硬度声响的音响保持不变，但它会被未经激励处理的原声略微掩盖。此一现象在激励深度很强时比较明显，其中前一种发音给人的听感就是原声，后一种则可产生出两层声音，它具有增加人声层次感的效果。  
4 A, s) _, }2 G, D* S0 s  }　一般1台激励器只能处理一个频段，并且很多单一功能激励器的连接都要求不能并联，只能串联。如需对音源的多个频段加激励，这里建议在附图所示的设备连接当中，混响器应选用含有激励处理的多重效果器(如YAMAHA SPX990)，此时就可以用激励器处理500Hz、800Hz和7200Hz频段，用混响器上的激励功能处理2500Hz频段。  
　再次提醒大家的是，激励处理的调整时间不能太长，以免人耳疲劳后，无法准确辨认激励的程度是否合适。  
　最后就是调整混响效果。这里的混响效果包含两个方面，一个是基础润饰，另一个是强染色。  
　混响处理的基础润饰，主要是为了增加音源的融和性，但又不能让人听出有房间残响。此处的混响处理的强染色效果，主要是用于为音源生成余音缭绕渲染性，其处理方式有以下3种情形：  
- h2 b" ?  R- x, u　(1)生成空间感。使用厅堂或房间混响效果。模拟余音明显的自然混响效果，是混响处理简单而又有效的方式，对此效果通道上3500Hz附近的频段稍作提升，可以产生穿透感良好的高亮度声响。当然，也有一个缺点，即处理的效果比较浑浊，有时带有一种"闷罐"声响。  
: I' k! W1 z) I. f! m/ Q　(2)生成回音。长延时时间的延时反馈处理，可以模拟山谷回音效果；处理的延时时间一般都与演唱歌曲的节奏合拍。为使其效果更具有遥远感，可对其1600Hz以下和3800Hz以上的频段适量衰减。模拟山谷回音效果，很多数码效果处理器上都有现成的程序可供使用。  
　(3)生成融和的声背景。余音缭绕的混响效果对人声音源的美化作用非常有效，几乎所有的人声演唱都要使用混响。在不导致其发音变浑，或引起"闷罐"声的前提下，我们认为混响效果越强越好，但实际常常是混响效果还很弱时，其发音已经变浑，并引起明显的"闷罐"声。  
　为了在不导致其发音变浑，或引起"闷罐"声的前提下，生成融和的声背景。下面推荐如下效果处理方式，即延时一混响串联处理方式。此种处理的延时时间一般为200-600ms，反馈增益40％-60％，混响使用大厅混响效果，混响时间为2-8s。串联处理后的混响效果要求平滑、连贯。如果处理后的声响音头毕露，则可作如下调整，一是缩短延时时间，二是增加混响的响度，三是增大混响的时间。  
　混响处理的强染色效果，一般都应在基础润饰的前提下进行，这样强染色处理就可以弱一些。