Three-Body Tech（三体科技）插件6
- Three-Body Tech
VO-TT：专为人声混音设计的多阶段、多频段动态处理器。
VO-TT
Three-Body Tech VO-TT：专为人声混音设计的多阶段、多频段动态处理器。OTT 是“Over The Top”的缩写，是电音制作中常用的多段动态处理效果。多阶段动态处理——包括 拓展器、压缩器和反向压缩器——对保持人声的一致性和表现力至关重要，能够帮助人声在混音中更加突出。不同频段的人声会展现出各自独特的动态特性，这使得多频段动态处理成为实现频率平衡输出的理想选择。
核心参数：
- Time：压缩时间。调整所有频段处理阶段中的攻击和释放时间，从 10% 到 1000%。
- Amount：压缩量。同时控制 Expander、Upward 和 Downward 旋钮。
- Mxi：干湿比。调整处理信号与原始信号之间的湿/干比率。
- Expander：向下扩展。调整所有频段的扩展器比率。
- Upward：向上压缩。调整所有频段的向上压缩比率。
- Downward：向下压缩。调整所有频段的向下压缩比率。
| 预设 | 结构特征（色带） | 听感倾向 | 适合场景 |
| 默认（Clean） | 五频段均有小段扩展区；蓝色向上压缩区占比最大；红色中等 | 中性、自然，三阶段均衡参与，处理痕迹最轻 | 通用起手预设；播客、访谈、会议录音；音色保真要求高的内容 |
| 明亮（Bright） | 骨架近 Clean，中高频（临场/清晰）蓝色区略宽 | 更亮、更靠前，清晰度与存在感提升，低频不变薄 | 素材偏闷；女声/童声；直播连麦；嘈杂环境 |
| 温暖1（Warm1） | 温暖、低音扩展区加宽；空气/临场保留小扩展区 | 中低频厚实、有胸腔感，低频杂讯收干净，偏"实" | 男低音、醇厚解说、电台夜话、权威感旁白 |
| 温暖2（Warm2） | 同族，温暖频段扩展区更宽，低频处理更保守 | 比 Warm1 更柔、更包裹，厚度略减、柔和度增 | 叙事类、故事/历史/情感类内容 |
| 平稳1（Soul1） | 空气无扩展区；清晰频段红色区较小；整体处理收敛 | 动态起伏被抹平，中频顺滑连贯，压缩痕迹轻 | R&B、灵魂乐、抒情流行；长篇平稳叙述 |
| 平稳2（Soul2） | 同族，处理更轻 | 最"无痕"的一档，几乎只做轻微均衡化 | 课程讲解、长篇有声书、不想听出效果的场合 |
| 空气感（Breathy） | 空气、临场无扩展区（开放）；中低频仍保留扩展区 | 气声、齿擦谐波、尾音细节被抬起，贴脸、亲密、有呼吸感 | 气声唱法、耳语、ASMR、情感广告配音 |
| 通透（Refresh） | 空气、临场无扩展区且蓝色更宽；红色相对明显 | 开阔、干净、去闷，同时动态压得更紧 | 发闷素材修复；电话音质；教学/导航/客服等高可懂度场景 |
| 流行（Pop） | 温暖、低音扩展区加宽；中高频蓝色区较宽 | 低频收紧不糊、中高频抬起贴耳、紧凑有穿透力 | 流行主唱/和声；短视频口播、带货直播 |
| 电子（EDM） | 四频段扩展区极宽（临场/温暖/低音最宽），仅清晰频段开放 | 极度干净干燥、轮廓锋利、密度高、几乎无空间感、动态很扁 | 电子/舞曲/说唱人声、vocal chop、卡点人声 |
| 摇滚（Rock） | 五频段扩展区都极窄，红色向下压缩区普遍加宽 | 冲击力强、粗粝有"人味"、峰值被死压、细节保留多 | 摇滚/金属/朋克人声、嘶吼唱腔、现场录音防爆音 |
| 讲话（VoiceOver） | 空气、清晰无扩展区（开放）；临场、温暖、低音扩展区明显加宽 | 中频集中、咬字清晰、贴脸播音腔，低频不抢戏、底噪收干净 | 有声书、纪录片解说、广告配音、企业宣传片、播客主声道 |
五个频段：所选风格的不同，其所对应的的频段范围会有所不同。
- Air（空气感）：高频，包括嘶嘶声、呼吸感和空气质感。
- Pres.（临场）：中高频，有助于清晰度、定义感和表达力。
- Clear（清晰）：中频，提供细节、可懂度和人声精度。
- Warm（温暖感）：中低频，增加丰富感、平滑感和饱满的声音色调。
- Body（低音）：低频，提供深度、饱满感和坚实的声音基础。
四个处理阶段。每个频段都有四个处理阶段：
- Expander（拓展器）：在此阶段，较安静的信号会进一步减少。可以将此阶段视为衰减最安静的声音，以减少噪音。
- Upward Compression（向上压缩）：在此阶段，较安静的信号会被增强。此阶段有助于将过于安静的部分恢复到所需的动态范围。
- Null（无处理）：此阶段不进行任何处理。它充当您所需动态范围的边界，可以为每个频段进行自定义。
- Downward Compression（向下压缩）：在此阶段，较响的信号会被降低。此阶段有助于将过于响亮的部分恢复到所需的动态范围。
在人声后期处理流程中的位置：
- VO-TT 本身已包含压缩和扩展功能，可作为后续压缩器的前级处理，让人声动态更均匀，减轻后续压缩器的工作量。也可以替代多个独立的动态处理器（扩展器 + 压缩器），简化效果器链。
- 录音 → 基础 EQ（切除低频/削减共振峰） → 谐振去除（动态 EQ 共振抑制 / 专用谐振去除插件） → VO-TT → 精细 EQ → 限幅器 → 空间效果（混响/延迟） → 输出
基础操作流程：
- 第一步：选择预设风格：根据人声类型和想要的效果，从 12 种预设中选择最接近的一种作为起点。
- 第二步：调整全局参数：
- Time：调整所有频段处理阶段中的攻击和释放时间，范围从 10% 到 1000%。默认值为 1.0（即 100%）。数值越大，攻击和释放时间越长，处理越自然；数值越小，处理越激进。
- Amount：处理量。同时控制 Expander（扩展器）、Upward（上行压缩）和 Downward（下行压缩）三个旋钮的强度。默认值为 1.0。增大此值可增强动态处理效果。
- Mix：干湿比。调整处理信号与原始信号之间的比例。100% 为完全处理，减小此值可混合原始信号，获得更自然的效果。
- 第三步：微调输入/输出：
- In：输入。调整全局输入电平，确保信号以合适的电平进入处理器。
- Out：输出。调整全局输出电平，补偿处理带来的增益变化。VO-TT 自带约 7dB 的增益，处理前后音量可能有明显变化。使用 Out 旋钮进行输出增益补偿，确保处理前后音量一致，避免因音量变化导致的听觉偏差。
- Expander：扩展器。调整所有频段的扩展器比率，用于衰减最安静的声音以减少噪音。
- Upward：向上压缩。调整所有频段的反向压缩比率，用于增强较安静的信号细节。
- Downward：向下压缩。调整所有频段的向下压缩比率，用于控制过于响亮的信号峰值。
- 第四步：频段精细调节。
TTS 人声
VO-TT 的核心功能是多频段动态处理（扩展器 + 向上压缩 + 向下压缩），它对音频信号的处理是基于频率分带的能量控制，这种处理方式是信号通路层面的通用处理，不区分声音来源是人类真声还是 AI 合成声。只要输入的是音频信号，VO-TT 就能对其频段动态进行塑造。此外，VO-TT 官方口号是"任何声音，挂上就唱"（Any voice, plug in and sing），说明其设计理念是兼容各种声音类型。
| TTS 人声常见问题 | VO-TT 对应的解决能力 |
| 动态范围过窄，听起来"平"、"没感情" | 多频段动态处理可增强强弱对比，让声音更有起伏感 |
| 高频缺乏空气感和细腻度 | Air 频段可提升高频泛音，增加"存在感" |
| 中频清晰度不足，语音可懂度低 Clear | 频段针对中频细节和可懂度优化 |
| 低频空洞或缺乏厚度 | Body 频段可补充低频基础，增加声音"实体感" |
| 齿音控制不佳 | Pres. 频段的动态处理可智能抑制过强的齿音 |
推荐的 TTS 处理方案：
- VoiceOver（讲话）：适合旁白、有声书、解说类 TTS。最接近 TTS 使用场景的预设，专为语音类内容优化。
- Clean（干净）：适合需要保留原始音色的 TTS。处理最保守，适合对音色真实性要求高的场景。
- Bright（明亮）：适合需要提升清晰度的 TTS。增强中高频，让 TTS 声音更"亮"更突出。
- Refresh（通透）：适合感觉 TTS 声音"闷"时。去除沉闷感，让声音更通透。
基础参数建议：
- Amount：TTS 声音动态通常较均匀，建议从较低值开始（0.5 ~ 0.8），避免处理过度导致声音"挤"。
- Time：建议 1.3 ～ 1.6。音节 250–320 ms、起音 < 10 ms。放慢可柔化硬起音、避免字间抽气；release 需覆盖约 150–250 ms
- Mix：建议 75% ～ 85%，保留部分原始 TTS 信号以维持声音的自然感。
- Out：建议 −4.0 ～ −6.0 dB VO-TT 自带约 +5 ～ 7 dB 增益，必须做电平匹配，否则"变响 ≠ 变好"
| 频段 | 向下扩展（绿） | 向上压缩（蓝） | 向下压缩（红） | Trim | 针对的问题 |
| 低音 Body | 加宽（压掉 30–70 Hz 隆隆） | 不加 | 略加 | −1.0 ～ −2.0 dB | 持续低频成分（但更推荐前置静态高通，这里只做收尾） |
| 温暖 Warm | 适度加宽 | 不加 | 轻加 | −0.5 ～ −1.5 dB | 兄/同/动 的 150–400 Hz 峰发糊；别超过 −2 dB，否则男声胸腔被挖空 |
| 清晰 Clear | 收窄到最小 | 加宽（主力） | 只留一点点 | +0.5 ～ +1.5 dB | "咬字清晰"主战场：把同/动 的弱谐波抬起来，绝不削弱细节 |
| 临场 Pres | 收窄（重要） | 中等 | 加宽 | −1.0 ～ −2.0 dB | 动态压住 必/主/兄 的 2.2–3.5 kHz 峰值；扩展器必须收窄，否则会把同/动 本已微弱的 presence 再吃掉 |
| 空气 Air | 关闭或极窄 | 加宽 | 按需一点点（控擦音） | +1.0 ～ +2.5 dB | 补 High −5.5 dB 的缺口、给同/动 补高频线索 |
推荐的 TTS 后处理完整链路：
- TTS 引擎输出 → 基础 EQ（切除低频/削减共振峰） → 谐振去除（动态 EQ 共振抑制 / 专用谐振去除插件） → VO-TT → 瞬态调整（根据需要对辅音清晰度或尾音进行微调） → 精细 EQ → 限幅器
特殊情况说明：
- 谐振非常严重：可在 VO-TT 前后各放一个谐振去除：前面去除明显谐振，后面做精细修整。
- TTS 声音本身很"平"，需要增强瞬态：VO-TT 的 Amount 不宜过高（建议 0.5 ~ 0.7），之后用瞬态调整器增强 Attack 来弥补 TTS 缺乏自然瞬态的问题。
- 实时直播场景：如果插件链延迟敏感，可考虑将谐振去除和瞬态调整合并到 VO-TT 的频段调节中完成（VO-TT 的 Clear 和 Pres 频段有一定类似效果）。