文章插图
人类大脑对声音的响应速度和敏感程度非常高 。K歌时对人声音轨和伴奏音轨的时间对齐有很强的要求 。唱吧资深研发总监 王国腾在LiveVideoStackCon2018大会的分享中详细介绍了手机K歌在混音对齐方面存在的问题，解决方案以及值得探索的方向 。LiveVideoStack对演讲内容进行整理 。
文 / 王国腾
整理 / LiveVideoStack
大家好，我是王国腾，在唱吧主要负责音视频技术的研发和音频新技术的科研工作 。本次将主要为大家介绍手机K歌在混音时间对齐方面存在的问题，常规的工程解决方案以及值得探索的方向 。
1、手机K歌简介
文章插图
手机K歌APP模拟的唱歌过程中两个主要的界面场景，演唱和预览 。演唱界面，用户跟随伴奏和提示的歌词完成唱歌，主要生成一股人声的干声 。预览界面提供了很多音效的后期处理 。包括音准和节奏的校准、特效或预制的混音需求，干声和伴奏的合成预览，甚至是分析人声特点，添加一些动态的音效，做到一键修音 。
2、音质的评价标准
文章插图
声音后处理的效果要如何评价呢？比如一些混音师，他们有时候会说这个声音很顶，不够饱满，然而从工程和科学的角度，我们从几个抽象维度描述音效：还原度，清晰度，区分度，瑕疵的掩盖能力，以及音乐和声音融合度 。
还原度是一个比较客观的量化标准，即声音重放质量与原声对比，能够达到怎么样的程度；清晰度形容人声“咬字清晰”，比如说到元音的时候瞬态好不好，说到辅音的时候音量是不是过大或者过小了 。如果辅音的音量太大的话，听起来会比较刺耳，如果音量太小的话，会有点像大舌头似的感觉 。区分度是我们增加的一个指标，希望用户能够有很多不同的选择 。比如说以前在八九十年代的大摇滚的作品，都会做很大的混响，而现在一般都会把这个声音做得比较干，期望将歌手的原音表达更清楚 。瑕疵掩盖能力是指即便音准和节奏都正确，但由于个人的音色引起的一些声音处理的问题 。比如鼻音比较重的话，在音效处理的时候，我们应该怎样去处理这种瑕疵问题，还有些人唇齿音会比较重，这种问题要怎么处理，是瑕疵掩盖能力 。音乐和声音融合度，人声也是宽带信号，在低频上面，谐波会多一些 。一段音乐伴奏，它所能覆盖的频段是比较宽的，那么该怎样将这两个声音融合在一起，并且还能清楚的听到人声 。而另外一个就是在音乐上面特有的问题，节奏是应该严格对齐的 。音准和节奏都是有融合度问题，音准和节奏不准了，听起来会是个跑调的状态 。
我们假设人声唱的节奏本身没有问题的话，将人声和伴奏混在一起，如果偏差超过了35毫秒，人耳就会感觉到异常，如果超过50毫秒，就已经是不可接受的了 。除此之外，根据我们所做的双盲测试，专家级的耳朵，如果人声比伴奏提前10~15毫秒，或者是比伴奏晚了25毫秒，那么在专家级别人的耳中是有感觉的 。总的来说，偏差在35毫秒之内大约有90%的人是没有感受的 。在音乐节奏的场景下，人的耳朵会非常敏感 。在唱歌时，听到音乐的人本身对节奏会有一个认识，然后会再根据这个节奏唱出自己的声音，一般歌曲的速度稳定，那么唱歌的人也会跟随稳定的速度演唱，由此可见人本身就是无延迟的反馈系统 。
推荐阅读
- 好朋友生日送什么礼物好 好朋友生日送什么礼物才好
- 负债累累如何快速赚钱
- 天舞纪更新时间 天舞纪更新时间是
- 狗狗不吃不喝吐黄水怎么办 狗狗吐黄水不吃饭怎么办
- 怎么辨别鲜榨果汁 鲜榨果汁和水果的区别
- 为什么抗衰老要趁早 抗衰越早做越好
- 手机系统更新在哪里
- 丰巢拒收怎么弄
- 移动积分换话费发什么短信