人声 EQ 共振频率

对于人声旁白（尤其是男声），常见的“难听”频率点，它们会让声音听起来不专业、刺耳或浑浊。以下是按从低频到高频排序的常见“问题频率”及其听感特征和处理建议：

• 低频浑浊区（Low-End Mud）
  • 频率范围：80Hz - 100Hz。
  • 听感描述：“闷”、“轰头”、“嗡嗡声”。
    这个频段如果过多，声音会像蒙了一层厚被子，缺乏清晰度，且会占用混音中的低频空间，导致背景音乐或其他乐器听不清楚。对于非专业录音环境，这里往往还包含空调声、交通噪音等低频底噪。
  • 处理建议：使用高通滤波器(High-Pass Filter / Low-Cut)。男声通常切掉 80Hz - 100Hz 以下的频率；如果是深沉的男低音，可以保留到 60Hz-70Hz，但一定要切掉无用的超低频。
• 驻波共振
  • 频率范围：100-150Hz。
  • 听感描述：“闷”、“糊”、“嗡嗡声”。
    如果你的录音环境接地不好或电源干扰大，120Hz 附近往往会有持续的、令人烦躁的低频电流嗡嗡声。房间的低频驻波共振，“嗡嗡声”会导致听感疲劳。
  • 处理建议：如果在 120Hz 处有明显的浑浊感，尝试用宽 Q 值（低 Q 值，如 0.7 - 1.0）进行 1dB - 3dB 的轻微衰减。如果只有某些低音重的字（如“梦”、“红”）在 120Hz 炸麦或浑浊，可以使用动态 EQ，只在音量超过阈值时衰减该频段，平时保留厚度。
• 喉音盒子音（Boxiness）
  • 频率范围：200Hz - 400Hz
  • 听感描述：“堵”、“像在小盒子里说话”、“电话音”。
    这是人声最容易出现“浑浊感”的区域。能量过多会让声音失去通透感，听起来很廉价。这个频段赋予了人声“厚度”和“体量感”，但如果能量过多，声音就会变得沉闷、像是在一个小盒子里发出的（Boxy），或者感觉声音是从喉咙深处挤出来的，缺乏向前投射的力度。
  • 处理建议：在 250Hz 或 300Hz 附近进行适度衰减（Cut 2-4dB）。这是让人声变得“干净”最关键的一步。
• 鼻音区（Nasality）
  • 频率范围：600Hz - 1.2kHz（有时延伸至 250Hz-300Hz 的低频鼻音）
  • 听感描述：“感冒声”、“捏着鼻子说话”、“尖锐的嗡嗡声”。
    虽然低频鼻音在 250Hz，但这种令人烦躁的、类似鸭子叫的尖锐鼻音通常集中在 800Hz - 1kHz 左右。
  • 处理建议：如果在 1kHz 附近有刺耳的共振，进行窄带宽的衰减。
• 电话音/中频凹陷区（Telephone Effect）
  • 频率范围：800Hz - 2kHz（如果此处被过度衰减）
  • 听感描述：“空洞”、“遥远”、“像在打电话”。
    这通常不是某个频率“太多”，而是这个频段“太少”。人声的核心辨识度和力度主要在这个区域。如果为了消除鼻音而把这里切得太狠，声音就会变得不自然。
  • 处理建议：谨慎操作，确保人声的主体能量保留在 1kHz - 2kHz。
• 硬度过高/刺耳（Harshness）
  • 频率范围：2kHz - 4kHz（核心常在 2.5kHz - 3.5kHz）
  • 听感描述：“刮耳朵”、“金属味”、“攻击性太强”、“累”。
    人耳对这个频段最敏感。如果录音设备一般或录音环境声学不好，这个频段容易出现共振，听起来非常刺耳，听众听久了会头痛。
  • 处理建议：使用动态均衡器(Dynamic EQ)或普通 EQ，在 2.5kHz 或 3kHz 附近寻找最刺耳的点进行衰减。不要一次性切太多，否则声音会失去“存在感”和“穿透力”。
• 齿音（Sibilance）
  • 频率范围：5kHz - 8kHz（女声偏高至 7-9kHz，男声偏低至 4-6kHz）
  • 听感描述：“嘶嘶声”、“嘘嘘声”。
    主要出现在发"s","sh","ch","z"(中文的 s, sh, c, z, zh, ch)等齿音字时。过重的齿音会像电流声一样刺耳。
  • 处理建议：首选工具：去齿音器(De-esser)。它只会在出现齿音时自动衰减该频段，不影响其他部分的亮度。
    备选：如果不用 De-esser，可在 6kHz 左右做动态衰减，但静态 EQ 衰减会让声音变暗。
• 空气感与嘶声区（Air & Hiss）
  • 频率范围：10kHz 以上
  • 好的情况：“空气感”、“通透”、“华丽”。适当提升这里可以让声音听起来更高级、更现代。
  • 坏的情况：“底噪嘶嘶声”、“磁带声”。如果录音增益过大或麦克风自噪高，这里会有持续的“沙沙”声。
  • 处理建议：如果底噪大，使用低通滤波器（Low-Pass Filter / High-Cut）切掉 16kHz - 18kHz 以上的无用高频。如果声音太闷，可在此处轻微提升（Shelf EQ）。

前鼻音

前鼻音（如汉语拼音中的 an, en, in, un,ün）与后鼻音（ang, eng, ing...）在听感和频率分布上有显著区别。

前鼻音的特点是发音时舌尖抵住上齿龈，气流主要在前鼻腔共鸣，声音听起来比较扁、尖、细，缺乏后鼻音那种深沉的胸腔共鸣。前鼻音的能量主要集中在中高频区域，比后鼻音的频率更高、更尖锐。

• 主要共振区：800Hz - 2.5kHz
• 最关键的“鼻音味”频点：1kHz - 1.6kHz
  这是前鼻音最典型的特征频段。如果这个频段能量过强，声音会显得非常“扁”，像捏着鼻子说话，或者带有明显的金属质感。
• 辅助共振区：2kHz - 4kHz
  前鼻音（特别是"in","ün"这种闭口前鼻音）往往伴随着较高频率的泛音，使得声音听起来比较“锐利”甚至有点“刺”。

如果旁白中前鼻音（如“天”、“心”、“云”）听起来太刺耳或太扁，可以尝试以下 EQ 操作：

• 定位频点：在 1kHz - 1.5kHz 之间进行扫频。找到那个让声音变得最“扁”、最像“鸭子叫”或最“尖锐”的点。
• 衰减操作：使用中等 Q 值（带宽适中），对该频点进行 2dB - 4dB 的衰减。注意不要切得太狠，否则声音会失去清晰度，变得含糊不清。
• 互补调整：前鼻音重往往伴随着低频不足（声音太薄）。如果在衰减了 1.2kHz 后声音变得更奇怪，可以尝试轻微提升 200Hz - 300Hz，增加一点厚度，平衡“扁”的感觉。

有时候，前鼻音（特别是以"n"结尾的音，如"in","en"）容易和齿音（s, sh, c, ch）混淆，因为它们都集中在高频。

• 前鼻音（n）：是持续的共鸣声，频率主要在 1k-2k。
• 齿音（s/sh）：是摩擦产生的嘶嘶声，频率主要在 5k-8k。
• 处理：如果是"n"音太扁，切 1.2kHz；如果是"s"音太刺，用 De-esser 切 6kHz。不要把两者搞混。

后鼻音

“eng”音（后鼻音）重，通常指的是声音中带有过强的鼻腔共鸣和喉咽腔共振的混合体。在音频处理中，这不仅仅是单一频率的问题，而是几个特定频段的能量叠加。对于男声旁白，“eng”音重主要集中在以下三个关键频率区域：

• 核心“闷堵”区（喉咽共鸣）
  • 频率位置：200Hz - 350Hz
  • 听感特征：这是“eng”音听起来浑浊、发闷、像嘴里含着东西的主要原因。
    • 发“eng”时，舌根后缩，咽喉空间变小，容易在这个低频段产生过多的共振（Boxiness）。
    • 如果这个频段过多，声音会显得不干净，缺乏清晰度，听起来像是在喉咙深处打转。
  • 处理建议：重点检查 250Hz 和 300Hz。尝试在此处进行 2-4dB 的衰减，可以显著减轻“闷”的感觉，让声音更通透。
• 典型“鼻音”区（鼻腔共鸣）
  • 频率位置：600Hz - 1.2kHz（最典型在 800Hz - 1kHz）
  • 听感特征：这是“eng”音听起来像感冒、捏着鼻子、有金属味或嗡嗡声的核心区域。
    这是区分普通浊音和“鼻音重”的关键频段。当气流通过鼻腔时，会在 1kHz 附近产生强烈的共振峰。如果这个频段能量过高，声音会非常刺耳、尖锐，且带有明显的“扁”的感觉。
  • 处理建议：使用扫频法，在 800Hz 到 1kHz 之间寻找那个让声音变得最难听（最像鸭子叫或感冒声）的点。对该点进行窄带宽（高Q值）的衰减，通常能立竿见影地消除“鼻音感”。
• 尖锐/刺耳”区（高频泛音）
  • 频率位置：2kHz - 4kHz
  • 听感特征：如果“eng”音听起来特别硬、刮耳朵，问题可能出在这里。某些人的发声习惯会导致后鼻音在高频段产生不自然的谐波，使得声音缺乏柔和度。
  • 处理建议：如果声音太硬，可在 2.5kHz 或 3kHz 附近轻微衰减，增加柔和感。

由于“eng”是后鼻音，它同时具备低频的浑浊感和中频的鼻音感，因此通常需要双管齐下：

• 第一步：去浑浊（清理低频）。在 250Hz - 300Hz 处做宽频带衰减（Cut），去掉“喉咙里打转”的闷感。目的：让声音变干净，不再“堵”。
• 第二步：去鼻音（清理中频）。在 800Hz - 1kHz 处寻找共振点进行精准衰减（Cut）。目的：去掉“感冒味”和“嗡嗡声”，这是解决“eng”音重的关键。
• 第三步（可选）：增加清晰度。如果在去除上述频段后声音变暗了，可以适当提升 3kHz - 5kHz，增加字头的清晰度和穿透力，转移听众对鼻音的注意力。

电话音

电话音：是一种频段的“缺失”，听起来声音被限制在电话线里，缺少低音和高音，发干、发扁。这是一种由通信信道物理限制导致的频率缺失，是模拟真实电话通话的标志性听感。

• 成因：传统的公共交换电话网络（PSTN）为了节省带宽，会强制使用带通滤波器，只保留 300Hz 到 3400Hz 之间的频率。这个范围之外的所有低频和高频信息都会被直接切掉。
• 制作“电话音”效果：对于人声，使用高通滤波器（HPF）切掉300Hz以下的声音，再用低通滤波器（LPF）切掉3400Hz以上的声音，主动制造出这种狭窄的听感。
• 听感特征：
  • 低频缺失：声音完全没有厚度和温暖感，听起来很单薄、干瘪。
  • 高频缺失：声音失去了“空气感”和清晰度，辅音（如s, t, f）变得模糊不清。
  • 频段狭窄：整体声音被限制在一个非常窄的频率范围内，听起来发扁、发干，像是被“压”在电话听筒里。

塑料味

塑料味：是一种音色上的“污染”，听起来像声音被装在一个狭小的塑料盒子里，发闷、不自然。这是一种由声音合成或处理不当产生的人工痕迹，通常出现在 AI 生成或过度处理的语音中。

• 成因：
  • AI 合成缺陷：AI 模型在生成声音时，如果训练数据不足或模型本身有局限，可能会在频谱上产生错误的能量集中点，形成不自然的峰值。
  • 糟糕的 EQ 处理：在混音时，如果在某个频段（尤其是 200Hz - 800Hz 的“盒音区”或 1kHz - 3kHz 的“临场区”）过度提升，也会制造出类似的人工共振感。
• 听感特征：
  • 盒状感（Boxy）：声音听起来像是从一个狭小的、封闭的盒子或管道里发出来的，缺乏真实空间感。
  • 金属感/嗡嗡声（Metallic/Buzzy）：在某个或某几个中频点上，声音会带有一种不自然的、类似金属振动的“嗡嗡”声，非常刺耳。
  • 不自然的共振峰：真实人声的共振峰（Formants，决定音色的关键频率）是平滑变化的。而“塑料味”声音的共振峰可能是突兀的、位置错误的，或者过于尖锐，导致元音听起来很奇怪。

在电子合成（AI）的男声旁白中，“塑料味”共振通常不是由单一频率造成的，而是集中在几个特定的频段。这些频段对应了 AI 模型在模拟人声物理特性（如口腔、胸腔共鸣）时的常见缺陷。原因主要有两点：

• 共振峰（Formant）失真：真实人声的音色由 F1、F2 等共振峰决定。AI 模型在生成频谱时，可能会在某些频率点产生错误的能量尖峰，这些尖峰在听感上就表现为“金属感”或“塑料感”。
• 频谱伪影（Spectral Artifacts）：在声码器（Vocoder）将频谱还原为波形的过程中，如果参数配置（如梅尔频带数量、帧移长度）不够完美，会在特定频率（如 3kHz - 8kHz 的高频区，或 500Hz 左右的低频区）产生不自然的“振铃效应”（Ringing），听起来就像塑料震动的高频泛音。

“塑料味”最常出现的频率区域及其特征：

• “盒音”区：300Hz - 600Hz。
  • 这是最常见导致“塑料感”和“廉价感”的频段。
  • 听感特征：声音听起来像被关在一个小纸盒或塑料桶里，发闷、浑浊，缺乏通透感。
  • 成因：AI 模型在模拟男性胸腔共鸣时，往往会过度强调这个频段，或者生成的共振峰过于集中，导致声音失去了真实人声的自然扩散感。
  • 处理建议：使用 EQ 在这个范围内进行扫频，找到那个让声音听起来最“闷”的点（通常在 400Hz - 500Hz 左右），进行适度衰减 2 - 4dB。
• 金属/嗡嗡”区：1kHz - 2.5kHz。
  • 这是“塑料味”最刺耳的表现区域，也是“临场感”频段的重灾区。
  • 听感特征：声音带有一种类似“嗡嗡”的电流声或金属振动感，听起来非常“平”且“假”。
  • 成因：许多 AI 语音模型（特别是基于梅尔频谱生成的模型）在这个频段容易出现能量堆积。这是因为模型试图增加声音的清晰度，但用力过猛，导致共振峰失真。
  • 处理建议：这是你需要重点“雕刻”的区域。1.2kHz - 1.6kHz：容易导致“电话音”般的鼻音感。2kHz - 2.5kHz：容易产生刺耳的“金属哨音”。
  • 操作：使用窄带宽（高Q值）大幅提升增益进行扫频，找到那个最刺耳的“哨音”点，然后反转为衰减。
• 喇叭/喉音”区：500Hz - 800Hz。
  • 听感特征：声音听起来像透过一个旧式扩音器或廉价对讲机发出来的，有一种“哇哇”的喉音感。
  • 成因：这通常与AI模拟声道长度（Vocal Tract Length）时的误差有关。如果模型参数设置不当，模拟出的“声道”过短或形状不自然，就会在这个频段产生共振峰错误。
  • 处理建议：适度衰减 600Hz 左右，可以有效减少这种“喇叭味”。