Transient（瞬态）

瞬态（Transient)：声音信号中突然出现、持续时间极短的脉冲或能量爆发。瞬态是声音开头瞬间爆发的能量。例如，人声中的瞬态是指辅音“P”、“T”的爆发阶段，决定声音的清晰度、冲击力、辨识度。

• ‌时间极短‌：持续时间通常在几毫秒到几十毫秒之间（如鼓槌敲击鼓皮、人声爆破音“P”、“B”的起始部分）。
• 能量集中‌：高频成分丰富，频谱上表现为陡峭的上升沿（如“S”、“T”等辅音的摩擦声）。
• ‌动态变化剧烈‌：瞬态信号的振幅变化率（dB/ms）远高于持续音（如长音或元音）。

以单词“Tap”为例：辅音“T”即为瞬态（音头）。后续元音才承载主音调（延音部分）。

人声中的瞬态

人声中的瞬态主要表现为发音起始阶段的突发性声学特征。‌汉语中瞬态强发音的音素主要包括塞音、擦音和塞擦音。这些音素在发音时，发音器官会完全闭塞气流，然后突然放开或慢慢放开，使气流爆发或摩擦成声。

• ‌塞音‌：包括 b、p、d、t、g、k。发音时，发音器官完全闭塞气流，然后突然放开，使气流爆发而出。例如：bǎo bèi（宝贝）、pī pínɡ（批评）、dì tú（地图）。
• 擦音：包括 f、h、x、sh、r、s。发音时，发音器官接近但不完全闭塞，留下窄缝，气流从缝中挤出，摩擦成声。例如：fēnɡ fù（丰富）、xué xí（学习）、shè shī（设施）。
• 塞擦音：包括 z、c、zh、ch、j、q。发音时，发音器官先完全闭塞气流，然后慢慢放开一条窄缝，使气流从缝中挤出，摩擦成声。例如：zì zài（自在）、cū cào（粗糙）、zhǔ zhānɡ（主张）。

发音部位分类：

• 双唇音‌：b、p、m。由上唇和下唇阻碍气流形成。例如：bǎo bèi（宝贝）、pī pínɡ（批评）、měi miào（美妙）‌。
• 唇齿音‌：f。由下唇和上齿阻碍气流形成。例如：fēnɡ fù（丰富）、fǎng fú（仿佛）‌。
• 舌尖中音‌：d、t、n、l。由舌尖和上齿龈阻碍气流形成。例如：dài tǐ（团体）、tú dì（地图）、nán nǚ（男女）、lì lǜ（利率）‌。
• ‌舌面后音‌：g、k、h。由舌根和软腭阻碍气流形成。例如：ɡài kuò（概括）、ɡōnɡ kāi（公开）、huān hū（欢呼）‌。
• 舌面前音‌：j、q、x。由舌面前部和硬腭前部阻碍气流形成。例如：jīn jì（经济）、què qiè（确切）、xué xí（学习）‌。
• 舌尖后音‌：zh、ch、sh、r。由舌尖和硬腭前端阻碍气流形成。例如：zhǔ zhānɡ（主张）、chōu chá（抽查）、shè shī（设施）、róu ruan（柔软）‌。
• 舌尖前音‌：z、c、s。由舌尖和上齿背阻碍气流形成。例如：zì zài（自在）、cū cào（粗糙）、sī suǒ（思索）。

其他语言

在欧美语言中，强瞬态的发音，主要是指硬辅音，是语言学中辅音的一种分类，主要存在于美国英语、意大利语、西班牙语、法语和俄语等语言中。其特点是发音时舌后部向软腭抬高并爆破，即软腭化。

• 英语‌：硬辅音通常指清辅音，如[p]、[t]、[k]等，而与之相对的浊辅音（如[b]、[d]、[g]）则被称为软辅音。
• 俄语‌：硬辅音包括非腭化辅音，如[п]、[б]、[м]、[т]、[д]等，而腭化音则属于软辅音。例如，[brat]（兄弟）中的[s]是硬辅音，而[bra]（拿）中的[s]是软辅音。
• 其他语言‌：在意大利语、西班牙语和法语中，字母c、g在元音a、o、u前发硬辅音，即[k]或[g]音。

瞬态功能

• 清晰度塑造‌：瞬态缺失会导致辅音模糊（如“T”音不清），影响语音辨识度‌。
• 节奏强化‌：歌词中辅音的瞬态峰值能增强音乐律动感，尤其在说唱或流行人声处理中‌。
• 注意事项：录音时需保留瞬态细节，避免过度压缩；混音中可通过瞬态增强插件突出辅音冲击力。

人声中的强瞬态

人声的强瞬态具有极强的规律性，它们几乎总是出现在声音的“起音”（Attack）阶段：

• 字头（辅音起始处）：这是瞬态最密集的位置。每一个带有爆破或摩擦性质的汉字或单词，其最开头的几毫秒到几十毫秒，就是瞬态发生的地方。比如“澎湃（péng pài）”，“p”的发音起点就是瞬态峰值。
• 句首与重音词：一句话的第一个字，或者句子中被刻意强调的重音词汇的开头，往往带有全句最强的瞬态。这是人类语言为了传递语气和节奏感而自然形成的特征。

不形成强瞬态：

• 气声与耳语：说话时故意带有的大量气息感（如温柔的耳语），由于缺乏声带的紧密闭合和强力撞击，整体波形非常柔和，几乎不存在尖锐的瞬态。
• 字与字之间的连读过渡：在流畅的说话中，为了保持语意连贯，某些字与字之间的衔接会非常平滑，这种过渡段也不具备强瞬态。

语气决定强瞬态

语气（或者说情感强度）直接决定了人声瞬态的“硬度”和“爆发力”。在语音合成与播音主持领域，这种由语气和情绪带来的瞬态变化，通常可以从以下几个维度来总结：

高亢激昂型（强瞬态爆发）：

• 当人声带有极度兴奋、愤怒、坚定或高亢的情绪时，声带的闭合会非常紧密，气息冲击力极强。
• 形成表现：在感叹句、排比句或重读词（如“崛起”、“爆发”、“必须”）上，会形成陡峭的基频下降趋势和极强的能量峰值。
• 瞬态特征：字头（辅音）的爆破感极强，甚至带有“顿挫有力”的冲击力。在声学上，这表现为共振峰分布高度集中，辅音爆发更强，整体频谱亮度大幅提升。
• 典型场景：热血动漫台词、激昂的颁奖致辞、演讲中的情绪爆发点。

紧张急促型（高频密集瞬态）：

• 在紧张、恐惧或急切的情绪下，语速会显著加快，气息短促。
• 形成表现：字音变得短促，语句中的停顿极少且短暂，语言密度极大。
• 瞬态特征：由于语速快且字字紧逼，瞬态之间的间隔被极度压缩，形成一连串密集、尖锐的瞬态冲击。这种高密度的瞬态会让声音听起来非常有攻击性和紧迫感。
• 典型场景：紧急播报、争吵中的急促辩解、悬疑剧情中的紧张对白。

疑重强调型（重瞬态顿挫）：

• 当表达严肃、庄重、深沉或带有强烈质疑的语气时，声音会显得分量极重。
• 形成表现：发音时音强而着力，色彩浓重，语流中的顿挫多且时间长。
• 瞬态特征：每一个重音字的起音（Attack）都会被刻意加强，形成非常明显的重瞬态。这种瞬态不像激昂型那样“炸裂”，而是显得更加厚重、沉稳，带有强烈的“颗粒感”和决断力。
• 典型场景：纪录片旁白、严肃的法庭陈述、表达强烈不满或深思时的重音。

轻柔舒缓型（弱瞬态平滑）：

• 在温柔、悲伤、低沉或耳语的状态下，声带闭合不全，气息流出缓慢。
• 形成表现：声音偏暗偏沉或轻松明朗但不着力，语势轻柔舒展，语速徐缓。
• 瞬态特征：字头的爆破音和摩擦音被大幅弱化，瞬态的峰值变得非常圆润、平缓，甚至几乎消失。声音的起音阶段（Attack）呈现出缓慢的振幅爬升，听感上极其平滑，没有任何刺耳的棱角。
• 典型场景：深夜电台、温柔的睡前故事、悲伤的独白或秘密的耳语。