音频处理中需要用到的关于声乐的基本概念

参考文献： 图解泛音及形成原理

• 音的高度：=音的振动频率（正比）
• 音高的计量：钢琴上每七个白键一个循环，分别叫做CDEFGAB(为何不是从A开始，而是从C开始？这是个历史问题。。。)，也就是我们熟知的”Do Re Mi Fa So La Si”，过了一个循环就下标加一，又叫升八度，即，C1, C2, C3, C4…

1. 高八度的声音，频率高一倍，也就是说，C2比C1的频率高一倍，C3比C2的频率高一倍。
2. 钢琴*C是C4，*区的A键为440Hz（即标准音高。—–那为何标准音高又是用A来制定的呢？目测是制定者想纠正前面的错误

3. 众所周知”Do Re Mi fa So La Si”是七个音，那为何有八度之说呢？

   原因很简单，在这个系统里，没有一度！

   ---

   比如C D之间，这叫二度，C E之间叫三度，以此类推。非要说有一度那也是有的，C C就是了！

   可是前面我们知道自然音的间距是不等的，那怎么办？所以就有了大小之分：C D之间差2key，所以叫大二度，E F之间差1key，所以叫小二度。以此类推。所以

小二度　＝　1 key

大二度　＝　2 key

小三度　＝　3 key

大三度　＝　4 key

纯四度　＝　5 key

减五度　＝　6 key

纯五度　＝　7 key

小六度　＝　8 key

大六度　＝　9 key

小七度　＝　10 key

大七度　＝　11 key

纯八度　＝　12 key

所有有人说“今天唱xx升了小二度”，意思是升了1key。

• 谱对比表及频率

  国际谱	男唱谱	女唱谱	频率
  C0	C1	C2	16.35
  C#0/Db0	#C1	#C2	17.32
  D0	D1	D2	18.35
  D#0/Eb0	#D1	#D2	19.45
  E0	E1	E2	20.6
  F0	F1	F2	21.83
  F#0/Gb0	#F1	#F2	23.12
  G0	G1	G2	24.5
  G#0/Ab0	#G1	#G2	25.96
  A0	A1	A2	27.5
  A#0/Bb0	#A1	#A2	29.14
  B0	B1	B2	30.87
  C1	C	C1	32.7
  C#1/Db1	#C	#C1	34.65
  D1	D	D1	36.71
  D#1/Eb1	#D	#D1	38.89
  E1	E	E1	41.2
  F1	F	F1	43.65
  F#1/Gb1	#F	#F1	46.25
  G1	G	G1	49
  G#1/Ab1	#G	#G1	51.91
  A1	A	A1	55
  A#1/Bb1	#A	#A1	58.27
  B1	B	B1	61.74
  C2	c	C	65.41
  C#2/Db2	#c	#C	69.3
  D2	d	D	73.42
  D#2/Eb2	#d	#D	77.78
  E2	e	E	82.41
  F2	f	#F	87.31
  F#2/Gb2	#f	F	92.5
  G2	g	G	98
  G#2/Ab2	#g	#G	103.83
  A2	a	A	110
  A#2/Bb2	#a	#A	116.54
  B2	b	B	123.47
  C3	c1	c	130.81
  C#3/Db3	#c1	#c	138.59
  D3	d1	d	146.83
  D#3/Eb3	#d1	#d	155.56
  E3	e1	e	164.81
  F3	f1	f	174.61
  F#3/Gb3	#f1	#f	185
  G3	g1	g	196
  G#3/Ab3	#g1	#g	207.65
  A3	a1	a	220
  A#3/Bb3	#a1	#a	233.08
  B3	b1	b	246.94
  C4	c2	c1	261.63
  C#4/Db4	#c2	#c1	277.18
  D4	d2	d1	293.66
  D#4/Eb4	#d2	#d1	311.13
  E4	e2	e1	329.63
  F4	f2	f1	349.23
  F#4/Gb4	#f2	#f1	369.99
  G4	g2	g1	392
  G#4/Ab4	#g2	#g1	415.3
  A4	a2	a1	440
  A#4/Bb4	#a2	#a1	466.16
  B4	b2	b1	493.88
  C5	c3	c2	523.25
  C#5/Db5	#c3	#c2	554.37
  D5	d3	d2	587.33
  D#5/Eb5	#d3	#d2	622.25
  E5	e3	e2	659.26
  F5	f3	f2	698.46
  F#5/Gb5	#f3	#f2	739.99
  G5	g3	g2	783.99
  G#5/Ab5	#g3	#g2	830.61
  A5	a3	a2	880
  A#5/Bb5	#a3	#a2	932.33
  B5	b3	b2	987.77
  C6	c4	c3	1046.5
  C#6/Db6	#c4	#c3	1108.73
  D6	d4	d3	1174.66
  D#6/Eb6	#d4	#d3	1244.51
  E6	e4	e3	1318.51
  F6	f4	f3	1396.91
  F#6/Gb6	#f4	#f3	1479.98
  G6	g4	g3	1567.98
  G#6/Ab6	#g4	#g3	1661.22
  A6	a4	a3	1760
  A#6/Bb6	#a4	#a3	1864.66
  B6	b4	b3	1975.53
  C7	c5	c4	2093
  C#7/Db7	#c5	#c4	2217.46
  D7	d5	d4	2349.32
  D#7/Eb7	#d5	#d4	2489.02
  E7	e5	e4	2637.02
  F7	f5	f4	2793.83
  F#7/Gb7	#f5	#f4	2959.96
  G7	g5	g4	3135.96
  G#7/Ab7	#g5	#g4	3322.44
  A7	a5	a4	3520
  A#7/Bb7	#a5	#a4	3729.31
  B7	b5	b4	3951.07
  C8	c6	c5	4186.01
  C#8/Db8	#c6	#c5	4434.92
  D8	d6	d5	4698.64
  D#8/Eb8	#d6	#d5	4978.03

• 泛音：泛音是物体局部振动产生的。

非常清楚的局部振动，一根弦分成四段分别进行振动。这四段的振动频率是一样的。

我常讲的第一泛音，第二泛音就是这样的：

图上依次是基频，第一泛音，第二泛音。。。

可以看到，分的段越多，形成的频率越高。比如分两段，那频率就是基频的二倍。

真实的声音就是这些振动的叠加。

1. 泛音形成的原理：驻波

   视频里很好的展示了驻波形成的原理，同频波经过反射形成了叠加。所以，能形成驻波，必须是物体长度是1/2波长的整数倍。这样才能形成叠加。

   这就是物体振动总是有固定频率和固定音色的原因：只有一些频率的波才能在物体中形成驻波，从而持续下去。其他频率的波很快就会能量消散掉。

   所以一个音叉，你怎么敲它，它都是那个振动频率，就是这个道理。

2. 那怎么调节音高？

   参考弦乐，一根两端固定好的弦，本身的频率是固定的。改变音高的话：

   1. 把弦拉紧一点。

   2. 用手指按住一点，让弦的一部分不振动，可振动部分长度缩短。

   声带也是一样的道理：

   1. 拉紧声带，可以获得更高的音高。放松声带，音高变低。

   2. 捏住声带的一部分不发声，让另一部分发声，这样音高就提高了。这就是近年来所谓关闭唱法的基本原理。（关闭唱法的提法我认为是有问题的）

• 人声的情况

  人声的情况要复杂一些，因为声带不是一个简单弦，它是一个立体的东西，更像这个图：

  

  

  立体的基频与第一泛音。

  人声还有共鸣的问题，会大大改变泛音的构成。

   

  基频决定音高，泛音决定音色。

  这句话是音频处理的核心。

• 什么是频率？频率就是单位时间内波形重复多少次。

  上面这句没有疑问吧？那么我们看图

  

  假定这就是单位时间的波形图。第一张图的频率是2，第二张图的频率是4，这都没什么疑问。第三张图的频率？根据定义，波形重复了两次，所以频率是2。

  这个例子告诉我们，2和4的两个波，合成之后频率是最大公约数2。

  来个更复杂的例子：

  

  4和6的波合成频率为2。这个例子告诉我们，即使没有2的波，合成规律依然要取最大公约数。

  当然，这个例子是有问题的，1。自然界没有这种声音，一定是2, 4, 6, 8, …一定带基频。2. 即使自然界真的制造了这个声音，也会被人耳判定成两个声音。

  自然界的 2，4，6合成，应该是这样的：

  

  不管怎么说，我们基本上可以得到一个结论，2, 4, 6, 8, 10,..这样的波合成，最终波的频率是2，即使原本频率2的那个波振幅很小。

---

参考文献：音色与声谱图

• 泛音的种类和多少决定了音色

一般来说

1. 泛音越充分的声音越饱满。

2. 低频泛音越充分的声音听起来越“厚实”，越“有力”。

3. 高频泛音越充分的声音穿透力越强，声音听起来越“亮”，越“尖”。

4. 高低频都有并且合理分布的声音，就是比较完美的声音。

声乐理论里，一般把低频泛音叫低位置共鸣，高频泛音叫高位置共鸣。

• 频谱图／声谱图

频谱图就是描述在某一时间点上，各个频率的声音分布情况。

然而，频谱图只能描述某一时间点，不能表达一段时间的情况，所以把频谱连续的画到一张图里，就有了声谱图（这个翻译有点蛋疼）。

先看上图：

横坐标是时间，纵坐标是频率值，同一时间的纵线上存在着数个波，重合而成最终的波。颜色越亮则表示波的振幅越大。混乱的背景都是伴奏，我们只观察人声线。

再看下图：

下图反映了上图的某个时间点（上图中的黄线）的频率分布。横坐标为频率，纵坐标为振幅。这个图更有利于直观的观察泛音的成分和强弱。

• 音频采样率是指录音设备在一秒钟内对声音信号的采样次数，采样频率越高声音的还原就越真实越自然。在当今的主流采集卡上，采样频率一般共分为11025Hz、22050Hz、24000Hz、44100Hz（44.1khz）、48000Hz五个等级，11025Hz能达到AM调幅广播的声音品质，而22050Hz和24000HZ能达到FM调频广播的声音品质，44100Hz则是理论上的CD音质界限，48000Hz则更加精确一些。

44,100 Hz - 音频 CD, 也常用于 MPEG-1 音频（VCD, SVCD, MP3）所用采样率

• 音频解析的过程是：取连续采样点，一般是4096个点，考虑到音频文件的采样率一般是44.1k，所以就是取了1/10秒之内的数据。然后对这4096个点作做快速傅里叶变换,就得到了频谱图。频谱图的信息是4096个点，每一个点对应的是这个频率上的振幅。
• 频谱图反应的是在这个时间点上的频率分布情况。

严格的说应该是这1/10秒内的平均情况。

• 声谱图上出现的水平线有什么意义？

  水平线表示一个歌手在某个音高上持续了一段时间。越亮的线表示振幅越大，听感上当然就音量大了。

  直线就是一个长直音。考察长直音主要看稳定度，整个线越直则这个长音越稳，如果大抖就是破音，如果小抖就是不稳。如果歪了，那就是音准没把握好。

  波浪线就是颤音。波浪越大则颤音越大。看颤音也是看稳定度，如果颤的不稳就是气息出现问题，控制不好。

• 如何看共鸣？

  看泛音主要看三点：丰富与否；分布情况；泛音的音量。

  

  一般来说，所谓的泛音强弱都是和自己的基频来比的（或者是跟伴奏比）。因为音频文件的音量是可以调的，单纯看泛音大小没多大意义，以基频为参照才比较有实际意义。（低频的共鸣情况取决于元音的类型，每一个元音都有其特定的共鸣特性。一般来说，基频被共鸣强化的情况比较少。）

  可以看到，此例中第一泛音巨大（看多了就知道，一般都是第一泛音最大），在3000左右的三个泛音也很强。

  另一种观察方法就是和伴奏比，人声线越明显则人声越强，越能穿透伴奏。

  

  如上图，左边张雨生的人声线显然更明显。右边那英的线就不明显多了，混在伴奏里。

再来看另一个例子

后知后觉对比版

http://v.youku.com/v_show/id_XNjI1NTAxMzQ4.html

张雨生后知后觉清唱“你不辞冰雪”，竟然有如此大的高频泛音！

要知道，这可是清唱，中音区！唱高音的时候鼓足了气，有很大的共鸣很正常，但唱低缓的主歌，竟然也能爆出这么大的泛音！只能说宝哥太逆天！

下面，请出阿妹躺枪：

(图中竖线为背景音，就是那个类似指响的声音)

泛音少太多了。。。。

听感上也是很显然的，阿妹的音色暗的多，而宝哥的非常的清亮。

当然，必须要说明：宝哥占了cd版的优势。不过我们关注的是最终听感，声音经过怎么处理并不是我们关注的重点。这个例子很好的对比了泛音对音色的影响。

• 如何看音准？

  我的软件特别加了标准音高线，以及标准的泛音线，所以可以很清楚的看清音准：