iZotope 插件3

• iZotope RX：音频修复插件。

iZotope RX：是一款功能强大的音频处理软件，广泛应用于音频录制、混音、广播、声音设计和母带处理等领域。

视图与光标工具

• I：Instant Process（选中）
• T：时间选择工具
• B：画笔选择工具

视图与缩放（频谱操作常用）

• Ctrl+\：缩放至选区
• Ctrl+0：完全缩小（所有标尺）全局（时间轴+ 频率轴+ 振幅轴）
• Ctrl+Shift+-：缩小至全览（Zoom out full）仅限时间轴（水平方向）

• Ctrl++：时间轴放大
• Ctrl+-：时间轴缩小

• Ctrl+shift+↑：频率轴放大
• Ctrl+shift+↓：频率轴缩小
• Ctrl+Alt+ 上下滚动鼠标滚轮，即可在频谱图上进行垂直方向的频率缩放。

• shift+↑：振幅轴放大
• shift+↓：振幅轴缩小

• Ctrl+[：缩放选区左边缘
• Ctrl+]：缩放选区右边缘

如果您在处理风声、爆破音等低频问题，觉得默认的频谱图在低频部分显示得不够清晰，可以右键点击频谱图左侧的 Y 轴（频率刻度），在弹出的菜单中将频率显示范围从默认的 Mel 更改为 Extended Log（扩展对数）。这会让您在低频区域看到更多的细节和 Hz 增量，相当于在视觉上“放大”了低频段。

Frequency Scale：频率刻度。不同的刻度有助于更容易地观察特定频段的有用信息：

• Linear：线性。频率均匀分布，最适合分析高频。
• Mel：梅尔，默认。基于人类对声音的感知，对应我们听觉对音高差异的感受，是最直观的选择。
• Bark：巴克。同样基于人类感知，对应一系列临界频带，比 Mel 刻度更强调低频。
• Logarithmic：对数。给予低频更多的显示空间。
• Extended Log：扩展对数。将对数刻度向下延伸至 10 Hz，给予低频极大的显示空间，非常适合处理风声、爆破音等低频问题。

iZotope RX 去除咔哒声的插件：

• Mouth De-click：去除嘴巴里产生的口水音、咔哒声、啪嗒声等。
• De-click：消除各种短脉冲噪声，例如由数字错误、嘴巴噪声和手机干扰引起的咔嗒声等。复杂算法可分析音频中振幅的不规则性，并进行平滑处理。
• De-crackle：去除爆裂声。比如老式的留声机、磁带、老式电影胶片中，那么短而急促并且连成片的噼啪声。音损明显，不适合全局使用，只适合针对个别地方使用。不适合全局使用，因为音损很严重。只适合，手工修音的时候，在局部使用。
• Interpolate：是手工修复单个的click。找到click所在的那一部分，进行修复。它是模仿周围的环境音，而将问题去除。

De-click

iZotope RX De-click，处理口水音咔哒声。全局参数设置：

• Sensitivity 灵敏度，默认值3，超过4，高频亮丽会丢失。当达到7的时候，会严重变音。
• Frequency Skew 频率偏移。默认值0，低于-3，会严重变音。
• Click widening 宽度，默认值0。超过2，开始破裂感。

Mouth De-click

使用 iZotope RX Mouth De-click预设：
• Default：默认值。
• Eliminate Clicks-Low Latency：消除点击，低延迟模式。
• Eliminate clicks：消除点击。
• Reduce Smacks：消弱 Smacks，包括掌击声、劈啪声、咂嘴声和响吻声等。
• Transparent Removal：通明移除。

使用 iZotope RX Mouth De-click，处理口水音咔哒声。全局参数设置：

• Sensitivity 灵敏度，最大值6。设置7，有些字会有明显音损，当达到8的时候，有些字会严重变音。
• Frequency Skew 频率偏移。默认0，范围主要在 1K Hz以上。设置为负数，会损伤低频。若设置为-3，有些字低频会被伤，使语言听起来象感冒。若设置为-8，其范围是 200 Hz以上，若设置为-10，是全频段，有些字会音损严重，像重感冒。
• Click widening 宽度，默认值0。超过2，开始有轻微破裂感。超过3，会变音。

De-crackle

iZotope RX De-crackle：去除爆裂声。

• Amplitude skew：振幅偏斜，选择信号电平振幅大小的主要区域。该参数的电平可调范围为-10.0至10.0，默认值为 0.0。
  • 正向调节（正值）：在高电平振幅信号区块范围内（高音量时间段），增强对微弱噼啪声的捕捉，适用于背景噪声较明显的场景。
  • 负向调节（负值）：在低电平振幅信号区块范围内（低音量时间段），增强突发性爆裂声的捕捉，适合处理咝音中突发性爆裂声。
  • 中性状态（0.0）：保持对所有电平信号的均衡处理（所有时间段），这是预设的通用模式。
  • 简单选择：爆裂声在“大声”时出现就调正数，在“小声”时出现就调负数，如果分不清就先用 0 试试。
  • 现场录音：噼啪声多出现在辅音部分（如“p”、“t”爆破音），选择预设"Voiceover Crackle Reduction"预设，将 Amplitude skew 设为负值（如-3.0至-6.0）。

De-ess

iZotope RX De-ess：去除咝音（Sibilants）。

• algorithms：算法。
  • Classic：经典模式（全频段压缩）。检测咝咝音，并用宽带增益包络衰减它们。
  • Spectral：频谱模式（多段压缩器）。仅衰减咝音最活跃的高频，而不影响低频。从技术上讲，此模式是一个多段压缩器。它能够压缩咝音的电平，塑造它们的频谱，并避免环境噪声的影响。每个波段可以单独运行，也可以与相邻波段连接运行（通过光谱整形滑块调整），波段阈值可以根据所需的 Sibilant 形状进行调整（通过调整光谱倾斜滑块实现）。
• Threshold：触发压缩的阈值。
  • Relative：相对模式（默认），滑块上方显示 Threshold[dB]。确定语音级别，并设置与该级别相对的阈值。例如：“财（cái）”，系统会实时估算当前语音信号的平均电平，实时检测所选频段的高频能量。声母“c”产生瞬态高频能量（集中在 5 kHz 以上），“ai”能量主要集中在中下频，高频能量少。当“c”高频能量高于当前语音信号的平均电平时，触发全频段压缩。压缩量，根据检测到的强度，由内部算法自动计算出来。Threshold 滑块越向下拉，虽然，被检测到咝音越少。但是，压缩量却越大。
  • Absolute：绝对模式（选中 Absolute 复选框，才启用此模式）。滑块上方显示 Threshold[dBFS]。将阈值设置为低于满量程（dBFS）的分贝水平。例如：“财（cái）”，当声母“c”达到设置的 dBFS 电平后，才会启动压缩。
• CutOff Frequency：截至频率。指定语音（要保留）和咝音（要减少）之间的交叉点。截止频率值用作声音检测的下限。只对截至频率以上的部分，进行检测，进行处理。
• Speed：设置压缩器的启动（Attack）和释放时间（release）。在这两种模式下，启动时间都取决于程序。
  • Fast：快启动、快释放。如何出现抽吸现象（Pumping），尝试使用快速模式来缓解此问题。如果设置太慢，处理器将无法足够快地恢复，从而导致过高的频率衰减。
  • Slow：慢启动、慢释放。如果过于平滑瞬态，也就是音头被过度压缩，丧失冲击力。请尝试使用慢速模式来缓解此问题。过快的设置会在初始瞬态阶段过多地降低高频信号，并可能引入平滑效果，从而降低有用的高频清晰度。
• Spectral shaping：频谱塑形。
  • 0%：在所有频带上，使用均匀的压缩（所有高频频带按相同压缩比，进行压缩），保留原始嘶声的频谱形状。
  • 100%：将嘶声的频谱“压缩成”成一个目标噪声轮廓（由 Spectral Tilt 决定），彻底改变其音色。
• Spectral Tilt：频谱倾斜。给咝音选择一种频谱斜率曲线的形状。
  • 0：目标轮廓类似粉红噪声（Pink）。自然衰减，高频略弱于低频；
  • 负值（-100）：趋向棕噪声（Brown）。高频更少，声音更“暗”、“厚”；
  • 正值（+100）：趋向白噪声（White）。高频更平直，声音更“亮”、“清脆”。
  • Pink：粉噪声。特点：从低频到高频，能量逐渐衰减。听起来响度均等。从频谱曲线上看，高频每八度衰减 3 dB（3dB/OCT）。
  • Brown：棕噪声（布朗噪声）。特点：从低频到高频，能量逐渐衰减。能量主要集中在低频部分，2KHz高频能量非常少。听起来偏暗。从频谱曲线上看，高频每八度衰减 6 dB（6dB/OCT）。
  • White：白噪声。特点：各个频段上的能量相等。听起来是沙沙的声音。中高频听起来更响。从频谱曲线上看，是一条平直的线（0dB/OCT）。

Leveler

iZotope RX Leveler：自动电平调节器。核心功能是‌自动调整音频增益，平滑信号电平的起伏变化‌，让整段音频的响度更加均匀一致。

核心工作原理：

• 模块内置一个压缩器与自动补偿增益（makeup gain），驱动音频向你设定的目标 RMS 电平靠拢，从而输出平滑、稳定的信号。
• 电平检测阶段引入了 ‌K 加权滤波（K-weighting）‌，算法匹配的是人耳感知的响度，而非简单的物理 RMS 数值，处理结果更符合听觉感受。
• 最终处理结果以 ‌Clip Gain（剪辑增益包络线）‌的形式写入音频，这是一种透明、非破坏性的处理方式——不会像传统压缩器那样给声音带来染色或伪影，而且生成的增益曲线你可以随时查看和手动编辑。

‌与 Loudness（响度）模块的区别‌：

• Loudness 模块是对整段文件施加‌固定增益‌，目的是让文件符合广播响度标准（如 LKFS）；
• Leveler 施加的是‌随时间变化的动态增益‌，重点在于平滑音频内部的电平波动，让声音更自然，而非追求严格的响度合规。

注意事项：如果在运行 Leveler 之后又对音频应用了其他模块处理，Leveler 生成的 Clip Gain 节点会被‌永久写入波形文件‌，增益曲线节点将归零。不过你仍然可以通过 撤销历史 找回之前的 Leveler 设置。

典型适用场景：

• 播客、有声书、访谈等‌对白电平不一致‌的场景；
• 人声录音中‌忽大忽小‌的句子/段落平滑处理；
• 需要在保留自然听感的前提下让整段音频音量更均匀；
• 配合 Breath Control 和 Ess Reduction，一次性完成人声的基础整理工作。

参数控制详解：

• Numerical Readouts（数值读数）：提供三个 RMS 数值参考。
  • ‌Total‌ RMS：整段音频的总体 RMS 电平，可作为设置 Target Level（目标电平）的参考；
  • ‌Max RMS：音频中的最高 RMS 值；
  • ‌Min RMS：音频中的最低 RMS 值。
• Optimize For（优化模式）：在两种模式间切换，针对不同素材采用不同的噪声底处理逻辑，避免"抽吸效应（pumping）"。
  • ‌Dialogue（对白模式）‌：语音通常是瞬态的，与背景噪声反差明显；
  • ‌Music（音乐模式）‌：音乐往往通过和弦、音符、乐器延音逐渐融入噪声底。
• Target Level（目标电平）：设定你希望录音达到的‌平均 RMS 电平‌。使用 K 加权 RMS 作为指导，力求比传统压缩器更透明地平滑信号变化。
  • 输出电平不会与目标值 1:1 精确匹配——Leveler 的首要目标是‌透明地平滑电平起伏‌，而非死死钉在某个数值上；
  • 若目标电平设得过高，为避免削波，Leveler 将无法达到该目标。
• Responsiveness（响应速度）：设定 RMS 电平检测的积分时间，类似压缩器的 attack/release（启动/释放）。范围：0.3 ~ 7.1。默认值：2。
  • ‌低值‌：更激进的电平调整，适合电平突然变化很多的信号；
  • ‌高值‌：行为更平滑，以词或乐句为单位调整，而非单个音节；
  • 如果发现 Leveler 误把咳嗽等突发噪声当成"小声段落"去提升，可以把这个滑块调高，减少过激的增益跳动。
  • 副作用：响应太快，频响曲线更佳平直。会导致小声句被抬得更多、大声句被压得更狠。于是整句从字头到字尾都被拉到接近同一电平——衰减曲线被抹平，听感上就是“句首过冲，句尾收不住”。
    • 若句间或句尾存在“可被调制的低电平内容”——如房间混响尾音、话筒底噪、句尾气声衰减、拼接残余噪声。这些声音都会被放大。若纯数字静音（接近 −Inf）乘任何增益仍是零，不会触发这些问题。
    • 若句尾是正常的衰减字音，也会被放大。失去比较自然的衰减语气。
    • 快响应的真实问题在于：增益永远滞后于电平跳变。静音期推高的增益会砸在新句首字上造成过冲与泵浦，同时句尾衰减音被加强；慢响应则相反，保住句尾却让首字跟不上。
    • 增益曲线的大幅度快速起伏被耳朵直接感知为音量在“抽吸”（pumping）。这在 Preserve dynamics 也偏低时，会显著加剧——两者叠加才是真凶。
• Preserve Dynamics（动态保留）：允许应用的最大增益量。该范围越宽，音频信号离原始动态范围越远。范围：0 ~ 100%。
  • ‌低值‌：保留更少原始动态，电平更"平"，声音更紧凑。
  • ‌高值‌：保留更多原始动态，声音更自然、起伏感更接近原声。
• Ess Reduction（齿音衰减）：
  • 受 DBX 902 De-esser 启发的智能算法，自动检测对话或人声中的齿音（Ess），并进行相应衰减，避免将齿音误认为安静声音而提升增益。
  • 使用建议：在处理人声时开启，滑块设置齿音减少的量（dB）。这能有效防止齿音在增益提升后变得刺耳。
• Breath Control（呼吸声控制）：自动识别人声录音中的呼吸声并进行衰减，省去手动编辑呼吸声的繁琐工作。
  • 基于‌谐波结构‌识别呼吸声，而非简单的"阈值触发"——无论声音大小，都能准确识别，因此适配各种强弱不同的对白/人声风格；
  • 滑块设定你希望呼吸声被降到的目标 dB 值；
  • 处理非常自然：‌大而刺耳的呼吸声会被明显压低，轻柔自然的呼吸声则保持原音量不动‌。
• Limiter（限制器）：内置限制器，防止在应用 Clip Gain 包络后引入削波失真。
  • 使用建议：此参数不可调整。当你把峰值推到接近 0 dB 时，可以在波形上看到增益包络把峰值平滑地削下来。

参数特点：

• Target level：数值越小越"轻"。−28 档 = 素材级/中间态（留给后期再定响度）；−20 ～ −22 档 = 成品级/交付态（做完可听可传）；−25 为折中。
• Responsiveness：越小越快。0.5～1.1 = 跟得紧、抓句内突变；0.5（最快/激进）；1.0 ~ 2.0（常规）；4.1～7.0 = 只做"大方向"渐变，防微泵浦/抖动。
• Preserve dynamics：越小越平。0 = 完全拉平；10～20 = 基本拉平留一点起伏；36～50 = 明显保留原始强弱。
• Ess reduction：dB 越大越狠。抑制 s/sh 齿音。电平拉平后齿音会被抬起来，故多数语音预设默认开启。
• Breath control：负值越大越狠。−8 = 轻微衰减（保自然）；−15/−16 = 强力压呼吸（影视/音乐常用）。

TTS 人声

TTS 和真人录音不同，有几个参数需要针对性调整：

• Target level：建议 -24 dB。
• Responsiveness：建议 1.5 ～ 2.0。若句子短促、停顿多，可到 1.5～2.0 更稳。
• Preserve dynamics：建议 35 ～ 50，本身较均匀、追求最小处理痕迹。TTS 本身的动态小，设置为 0 会把仅存的韵律重音（数字、专有名词的强调）全部抹平，听感会变得机械、平板，并增加句尾增益抽动的风险。
• Ess reduction：建议 2～4 dB。 TTS 的 s/sh 音常偏硬偏亮，轻度抑制即可。超过 5 dB 容易发闷，出现"大舌头"感。
• Breath control：关闭。TTS 没有真实呼吸声，开启这个功能不仅无效，还可能误伤句尾的气声衰减，让结尾听起来不自然。

Resample

iZotope RX Resample：重采样模块，是音频修复与母带处理中用于改变音频采样率的核心工具，尤其适用于将高规格录音（如96kHz或192kHz）转换为标准交付格式（如44.1kHz CD或48kHz视频），同时避免混叠失真。该模块内置业界领先的 iZotope SRC 算法，能精准控制滤波器特性，确保音质无损转换。以下是其使用方法详解：

• 主要用途：将音频从一种采样率转换为另一种，例如从 96kHz 降至 44.1kHz，或从 48kHz 升至 96kHz。
• 关键优势：使用陡峭的低通滤波器（Filter Steepness）防止高频信号在降采样时产生“混叠失真”，即不可听频率被错误映射到可听频段，造成刺耳噪声。
• 适用对象：专业音频工程师、后期制作人员、音乐制作人，尤其适合处理电子合成声、AI语音等易出现伪影的素材。

• New sampling rate（新采样率）
  • 作用：设定目标采样率，如 44.1kHz、48kHz、96kHz等。
  • 建议：若原始文件为 48kHz 且无特殊需求，无需更改；若需进一步平滑伪影，可尝试升至 96kHz 再降回 48kHz，利用过采样过程“抹平”数字边缘。
• Filter steepness（滤波器陡度）
  • 作用：控制低通滤波器的滚降斜率，数值越高（如32.0），滤波器越陡峭，能更彻底地切除高于奈奎斯特频率的信号，但可能引入轻微相位失真。
  • 建议：对于人声修复，推荐设置为 24–32，平衡清晰度与自然度。若追求极致纯净，可选 32；若担心相位影响，可降至 24。
• Cutoff shift（截止频率偏移）
  • 作用：微调滤波器的截止点，通常设为 1.00 表示不偏移。
  • 建议：保持默认值 1.00，除非你有明确的频谱分析数据需要调整。
• Pre-ringing（预振铃）
  • 作用：控制滤波器在瞬态前的“预响应”，数值越高，预振铃越明显，可能影响人声的自然起音。
  • 建议：对人声旁白，建议设为 0.5–1.0，避免过度预振铃导致“塑料感”。
• Post-limiter（后置限制器）
  • 作用：在重采样后自动应用限幅，防止因滤波导致的瞬时峰值溢出。
  • 建议：勾选此项，尤其在降采样时，可有效保护动态范围。
• Change tag only（仅更改标签）
  • 作用：不实际重采样，仅修改文件元数据中的采样率信息。
  • 建议：切勿勾选，否则不会进行任何音频处理。

Phase

iZotope RX Phase：矫正相位。

• Suggest：建议。检测最佳固定相移以降低信号峰值。
• Adaptive phase rotation：自适应相位旋转。随时间变化的相位旋转可最大程度地降低信号峰值电平。

相位偏移：波形上线不对称。从波形图上来看，就是音量线，没有处于正弦波的正中间位置，而是偏上或者偏下。上下两部分并不相等。它会对音量电平造成影响。

产生的条件：

• 使用麦克风录制语音的时候，若麦克风不是在嘴巴的正前方。
• 模拟在传送的过程中被滤波，或者被外界电磁干扰。
• 在音频编辑处理过程中，有些编辑软件，也会产生相位偏移。

产生的原因：

• 直流偏移（DC Offset）：信号的直流分量指的是信号的平均值。理想的声音震动是一个过原点的正弦波，正负两个半周是对称的，它的平均值为 0，也就是说它不存在直流分量。
• 谐波之间的相位关系。

音色改变：
当相位偏移，既有向上偏移，也有向下偏移的时候，进行相位偏移矫正后，音色会改变，像得了感冒，贴耳的临场感也丢失。偏移程度越大，音色改变会越大。那么就需要针对每个小片段分别矫正，音色不会改变。而不能整个文件一次性全局矫正。

音色不变：
当三频均衡，又饱和度丰满的音频，相位矫正后，不会改变音色。