录音制式漫谈

立体声原理
在谈到各种录音制式之前需要声明的是，如此众多的录音制式都是为了实现立体声而设立的。而首先需要纠正的，同时也是初学者需要搞清楚的就是：一支麦克风，除非声明是立体声麦克风，只能录下单声道的音频信号。所以立体声录音就是使用2支或者2支以上的麦克风录制立体声音频的过程。而下面谈到的录音制式，就是实现这种结果的手段。但是在讲到具体录音制式之前，我们需要有充足的立体声原理做为理论储备，有了这些理论，我们才能深刻理解不同录音制式的原理以及探讨它们存在的问题。
% f  C# a7 k* Z2 R  l
+ h1 C, D# M4 T( }& R人的听觉是靠两只耳朵产生的，下面我们就要回忆立体声在人耳中是怎么实现的。首先我们要说的是声像定位在正前方的情况，所谓的正前方，按照严格的几何定义就是处于人头的垂直平分线上。根据几何定理，从声源到左右两耳的距离应该相等，也就是说声波到达左右耳的时间应该完全相同。而当声像偏左的时候，我们可以得知声音到达左耳的距离要小于声音到达右耳的距离，这也就意味着声音先达到左耳，两耳之间存在一个时间差。从这里我们可以得到一个结论：两耳之间声音的时间差影响到音源的定位。这也是第一个立体声原理，时间差定位原理。除了时间差，如果我们回到上文中的距离，我们会发现，根据声波传播的物理限制，距离越远，声波的衰减度越大，也就是说随着距离的增加，声波的能量衰落，音量会减小。这样也就意味着声源到两耳的距离差也会造成声音大小上的差异。这个差异，用专业的术语来说就是声级差。因此这里我们可以总结出这样一个判断：人耳判断立体声定位，依据两点——时间差和声级差。而在重要程度上，很明显时间差效果更加明显一些。
9 N3 M$ }: M8 b0 Y
有了上面的理论储备，下一步，我们就进入到具体的录音制式加以分析它们的优缺点以及各种变种。
' ^* v, V7 L0 L5 b" _
AB录音制式
3 Q$ R; a  y8 A  k1 H
一开头我们先轻松一下，猜猜第一种录音的方式是怎样的？要求尽量遵循简单的原则——就是用2只麦克风录制立体声。很多人应该可以想到，最简单的方式，应该是2支麦克风处于两只耳朵的位置，这样模拟出的效果，按道理推论比较靠谱。没错，大家想对了。将两只麦克风分开一定的距离，指向音源，就是AB制式的雏形，如图1。
* _, L$ J  ]: Z) S; a% i, Q* Y# U, j

& i& L- ]" }$ C
因此AB制式的具体定义应该是，两支麦克风有一定的距离，平行放置，指向音源。指向性多为心型或者是全指向。这个距离有多大？可以是10厘米，也能有十几米远。AB制式的特点在于对于麦克风的要求相对宽松，只需要两只同样的麦克风就可以，如果实在没有，2支不一样的麦克风也可以考虑——当然前提在于音质要求不高。如果是要追求最佳效果，你需要的是两支同样型号的、并且工厂配对的麦克风。
. ]* s; r2 @' _
1 O# h$ `! X  L2 |0 c  n8 w# ^0 s# jAB制式所营造的声场，处于两支麦克风之间，也就是说，如果是超过左边边界的声源，最终回放的时候，仍然会被定位在最左边扬声器的位置，同理右边。但是这样一来，就出现了位置上的失真。因此在古典音乐录音的时候，为了录制出交响乐队庞大的宽度和纵深感，甚至需要将两支麦克风拉开到10来米的距离。但是如此一来也带来了一个严重的问题，这个问题就是著名的中间空洞现象，或者是称为中间黑洞。

2 ^4 b3 N: s% _7 Y+ f所谓的中间黑洞，所说的是这样一种听感：你会感觉到录音的中部非常空洞，没有什么乐器集中在中部，而左右扬声器附近，却聚集了不少乐器。这种现象的成因也是比较容易解释的。首先我们假设一架钢琴，宽度大约为2米。我们使用AB制式录音，两支麦克风距离2米。这样一来，录制出的音频，钢琴将充斥整个录音，钢琴的宽度占据了整个声场空间，这样一来声音就会丰满很多。而如果将两支麦克风拉开将近10米，则录制出的音频中，钢琴的宽度只占据了20%的声场空间，这时候钢琴的宽度就会显得小很多。这个例子解释了当 AB制式录音宽度达到一定的距离，会出现音源按比例缩小的现象，这样一来，在人的心理上有种感觉，那就是中间部分比较空，声音不够丰满。
" t* r) V! p+ c+ `1 H- E
/ [2 a; B% q+ I' r) |; x" a为了解决这个问题，出现了很多AB录音制式的改良方法。其实大家已经可以猜到改良的方法，由于问题是中间显得空洞，因此最直接的解决办法，就是在中间增加一只麦克风。这样一来，就改善了中间黑洞现象。下面，就让我们看看那些真正辉煌的AB改良录音制式。它们曾经都很辉煌，只可惜很多人已经忘记了它们实际上都算是AB录音制式的一种。


Decca Tree这个代表着古典音乐的录音方式，顾名思义来源于英国老牌唱片品牌Decca。 Decca Tree起源于50年代，那个时候是古典音乐和模拟录音的黄金时期，立体声录音还刚刚处于萌芽阶段。在那个时代，是音乐大师层出不穷，经典作品不断涌现的时代。而Decca公司的录音师威尔金森，正是靠着Decca Tree营造出了著名的Decca之音。Decca Tree录制出的音响效果，具有开阔而深远的音场空间感、透明度一流的秀美音色，如临现场的精确定位，以及华丽自然、辉煌而不刺耳的音域平衡度。这些特质也就构成了Decca的金字招牌。

! G4 H9 b. z, L$ q/ T! Q3 u+ bDecca Tree是一种三支麦克风拾音的录音制式，个人认可以看做AB录音制式的改良版。当然也可以看作是另外一种M/S录音制式的改良版（后文再说）。Decca Tree是在指挥的后方，架设一个T型麦克风支架，然后每一端架设一支独立的全指向麦克风。两边的麦克风呈现135度角，如图2


% j3 f% H" k1 o! p0 N; A! z
传统的Decca Tree录音，两边麦克风之间的距离大约为1.5米，角度约为135度。中间的麦克风垂直于两边麦克风的两点之间的沿线，靠前约75厘米。麦克风选择上，使用的是今天已经成为古董的Neumann M49s和M50s。录音师还可以根据不同情况对方案进行微调，从而达到自己满意的效果。
0 t+ c2 {# @6 e- y
/ c8 c9 N/ O5 ]1 @Decca Tree的优点在于其两边的麦克风由于距离远，因为可以捕捉到交响乐宏大的声场效果。同时中间那支麦克风，又补偿了两边麦克风距离过远造成声音中间空荡的效果。因此整体录音效果显得丰满无比，同时音场非常的真实。如果加上补偿麦克风的效果，就可以达到最接近现场效果的交响乐录音。因此在今日的交响乐录音中，Decca Tree成为了一种普遍的配置。

Decca Tree的代价并不是特别高，天价麦克风并不是必需的。因此在交响乐录音中，Decca Tree应该是首要的考虑对象。

Living Presence的大AB录音
- U. g# Q3 M. |* k  g' l7 ?  B) E
差不多和Decca Tree同时代，大洋彼岸的美国佬也想到了类似的录音方式。这就是著名唱片品牌mercury水星的Living Presence系列录音。和Decca Tree一样，这也是一种三支麦克风录音的方式。这种方式来源于传统的AB录音，也就是首先两支麦克风以AB 制式放置，但是距离非常远，一般达到3-5米之巨，这样能够有充分的空间捕捉到交响乐庞大的声场。但是同时也带来中间的声音非常空洞。为了弥补这项缺憾，Living Presence在中央设立了一支补偿麦克风，从而使得中间声音饱满。这种录音方式，带来的是极端温暖华丽的声音，正如同50，60年代繁荣的美国一样，声音饱满动人，充满了年轻人的朝气。
7 V; a7 C; u4 S. S. J8 a0 E7 V
随着时间的推移，Living Presence的录音方式逐渐被人忘记。其根本原因这种声音太具有美国人的特点。很多录音听起来效果非常好，音染出众。所以乐器就如同被镶上了金边一样显得异常华丽。但是对于严肃的交响乐来说，这样的声音又显得太过个性，有违交响乐的真正含意。因此，到了今日，Decca Tree仍然是主流，而Living Presence只能作为一种时代的声音，留在老人们的印象中了。
9 z# @) ~/ g# O/ T$ L- F3 y  t
上面所说的，都是AB制式录音创造的辉煌。AB制式录音式之所以常用，是因为立体声效果出色，既有时间差的效果也有声级差的效果。但是，这不代表这AB录音能够通吃一切，AB制式最大的缺点在于非常糟糕的单声道兼容性。虽然现在已经多采用立体声录音，但在很多领域，比如电视直播等，还是需要单声道的。将立体声变成单声道比较简单，一般就是将左右声道混合成一个单声道。而AB制式，只要两支麦克风距离超过20厘米，就会有严重的相位抵消——梳状滤波器效应非常严重。因此下面我们要说的，就是其他录音制式的故事。
5 S' l( r1 O; L) I* F
XY录音制式

XY录音制式的名字很形象，XY录音制式是指将两支麦克风交叉在一起的一种录音方式。交叉在一起有两种情况，一种情况呈X形状，一种则呈Y形状，因此就叫XY录音制式，很形象吧，如图3。
( t$ q% d. v% m: t+ e9 X
4 F4 W5 ?. P8 n/ A6 n  c1 X6 x0 _# I2 z
& {# J: X" D) k; E) \$ Z4 ~4 a3 Y' ]
/ O& u1 J& E1 n8 ^XY制式录音中，两支话筒位置相同，因此不存在时间差，只有声级差。有一部分人认为XY录音制式优于AB制式，理由是由于很多录音环境并不完美，因此话筒收到的相位信息不一定真实，也就是说时间差会受到干扰。这样一来效果反而不好，失真会大。而XY 制式，不依靠时间差，因此可以避免这种现象。XY 制式另外一项突出优点在于具有出众的单声道兼容性，因此对于电视直播现场录音很好。但是，XY制式也有缺点，最大缺点在于对麦克风的素质要求很高。XY制式要求麦克风必须是同样型号，并且工厂配对的麦克风才可以。甚至只使用同样型号的麦克风，效果都会差不少。对麦克风的高标准要求，无疑增加了成本。此外，XY制式还需要避免不同平面的问题，这个问题出现在麦克风交叉的时候，需要尽量使得两支麦克风和音源处于同一个水平面，如果两支麦克风存在高度差，则可能引入新的时间差和声级差，造成失真。
9 |! M# l3 ?8 O% J( U
/ E1 d/ u- I. A+ i$ {+ bM/S录音制式

M/S制式的具体含义很多，通常解释的英文也很多，大致上有这么几种，都是正确的说法。
( u3 R' C1 g+ P. y
/ W7 Q: Q# W/ z% |Mono/Side（单声道/两边），Mono/Stereo（单声道/立体声，这个说法最奇怪），Mid/Side（中间/两边，这是最形象的说法），Sum/Difference（和/差，这是最反映原理的说法）。这些不同的说法，指的都是一回事——M/S制式，如图4。


* B( P7 j& K1 v8 R: v
! x/ J$ f$ e* [- lM/S制式的实现相对复杂不少，从麦克风摆放到解码过程，都需要特殊的过程。M/S制式要求两支麦克风处于同一点上拾音，一只主麦克风，呈心型指向音源，这只麦克风被称为M。另外一支麦克风，呈8字型指向两边，因此看上去是个横着的8字，被称为S。录制出的音频则有个解码过程才能变成立体声，具体就是这样：左声道的信号为M+S，也就是M和S声道混合在一起。右声道信号为M-S，也就是将S声道反相后和M声道混合起来。有人问了，这是怎么个原理呢？原来那个S话筒，左声道进来的信号，和右声道是反相的。因此把S信号反相，就可以得到右边的信号。上文中提到和差，就是指的 M/S制式的解码原理。M/S制式的优点之一如同XY制式一样，只有声级差，而没有时间差。并且M/S和单声道的兼容性是完美的——只要扔掉S声道信号就是单声道信号了，还能有比这个还完美的吗？M/S制式的最突出优点在于对于后期处理的难易程度来说。M/S制式是最适合后期处理的录音制式，可调整的余地大了很多。但是M/S制式也存在着缺点，我们可以想象，由于8 字型并不完全拒绝中间信号，因此S声道信号中仍然含有中间部分的信号。因此与AB制式相反的是，M/S制式存在着中央信号加重的倾向，这样中央信号的位置会听起来相对偏前。同时 M/S 制式对声学环境要求很高，如果控制不好M/S制式麦克风所在的位置，则会出现加重房间反射和混响声音的现象，因此需要小心处理。

令人高兴的是，M/S制式对于麦克风的要求不高。但是代价是后端解码过程相对繁琐。无论如何，运用好M/S 制式，可以让录音师的录音水平更上一层楼。

/ h% G- j* e, Y* w7 R& H仿真人头制式（Dummy Head）

听过耳机的朋友大多知道，耳机重播音乐的效果和音箱有很大的不同，特别是在“音场”方面。耳机虽然也能营造出音场的效果，但远不如音箱自然。“耳机的最大缺陷就是没有音场”已经是共识。这是什么造成的呢？主要有两个因素。首先，用音箱回放音乐时，声音信号从音箱发出，通过空气传播，到达人耳。这时，人耳听到的“音箱的声音”和听到自然界中各种声音一样，经过耳廓、外耳、耳道，传导到耳鼓膜，被大脑神经所感知。在这个过程中，人的耳廓、耳道、人的头盖骨、肩部等对声波的折射、绕射和衍射，都会对声音造成一定影响。在声学上，用HRTF，即“头部相关传输函数”来描述这种影响。正是由于HRTF 的影响，人的大脑能根据经验判断出声音发出的方位和距离。人即使蒙上眼睛也能判断声音发出的方向和距离，这就是靠大脑根据经验做出的判断。通过耳机欣赏音乐时，声音是被耳机的驱动单元直接送进双耳的，也就是说，人的耳廓、头盖骨和肩部等对声音造成的影响没有了，HRTF不存在了。在这种情况下，人的大脑就无法准确判断声音的方位和距离。此外还有一点，人耳听声音时候，左右声道会串在一起进入耳朵，而耳机，由于很多采用声音隔绝的罩子，因此左声道进入左耳，右声道进入右耳，串扰程度很低，这也造成了耳机听觉和音箱很不一样的情况。由于这种左右声道混合的缺乏，导致用耳机欣赏音乐时，音场的感觉不自然，乐器的定位似乎是虚的，音场的大部分似乎挤压在左右耳之间的脑海中，俗称“头中效应”（In-Head Effect）。
3 g2 r3 r5 k  ^& b3 o* P- ^
正是由于有这样大的问题，因此为了使得耳机也有得听，就出现了仿真人头这种录音制式。仿真人头是一个用木头或者塑料做成的假人头，直径约20厘米左右，在它的耳道末端，分别装有两支麦克风，它们一般是无指向性的。然后，将两者的输出分别作为立体声的左右声道信号，如图5。
' @! B7 {# ]8 f  V' Z0 q4 T! p
5 F! k/ F/ x6 {9 P
  z1 A  F. m: R( l& H# e. w/ B4 f
  L$ w9 b* ?! g9 K8 U: O. \6 q仿真人头制式由于模仿了这一过程，因此录音在耳机上听起来非常好。但是也具有比较大的缺点，仿真人头有耳廓，而听众也有耳廓，这样在回放录音时，会出现双重耳廓反射的声音，这对于声音的清晰定位，仍然有比较大的干扰。但是的确，在耳机回放这个问题上人类还没有找到比仿真人头更出色的办法。
+ ^1 y8 P$ D" ?( y* b7 v6 O
ORTF制式
+ g6 _1 w, E) \* _+ J/ Q
ORTF制式使用两支心形传声器，拉开距离20厘米，两支传声器主向朝前张开110度。 这种制式是法国电台首创并推广使用的，所以以法国电台的名称来称呼它。这种制式实际上是AB制式和仿真人头制式的混血，定位效果出众，尤其是表现移动的声像，效果突出，适合聆听广播剧使用。
# h; B6 @1 s% G8 Z5 [; f
7 _% M0 ?7 W1 t) i" q" P