Wavesfactory 插件1

Wavesfactory是 Waves 公司旗下的一个品牌或部门，专注于开发音频处理插件。

• Wavesfactory Equalizer：智能均衡器插件。Equalizer 将输入的音频信号分为 32 个频段，计算每个频段的增益，然后确定一个目标电平。
• Wavesfactory Spectre：声音塑造工具，是多段谐波激励器与图形均衡器结合的音频处理插件。
• Wavesfactory Trackspacer：多段侧链压缩器，类似于一个强大的透明精确的插件，适用于人声和其他乐器，避免频率冲突。

Spectre

Wavesfactory Spectre‌：声音塑造工具，是多段谐波激励器与图形均衡器结合的音频处理插件。通过在特定频段添加新的谐波内容来“激发”声音，使其更具色彩、活力和模拟感。从基于模拟硬件的各种饱和算法中，将谐波含量引入到您想要的频谱部分，为声音带来了色彩和生命。

Wavesfactory Spectre‌：本质上是一款谐波激励器（Harmonic Exciter），但它的实现方式融合了谐波增强（Harmonic Enhancement）的特点。

• 核心机制是“生成新谐波”：并非仅仅提升已有的高频（那是 EQ 的功能），而是通过非线性饱和（如 Tube、Tape 等算法）对特定频段进行失真处理，从而合成原始信号中不存在的高次谐波。
• 依赖非线性处理产生新频谱内容。即使某频段原始能量为零（如 15kHz 以上），只要低频/中频存在，Spectre 仍可通过饱和算法在其目标频段“激发”出可听的谐波成分。

• Qulity：Normal：no oversampling（CPU 负载低，可能有混叠）；Medium（4x oversampling）；Beset（6x oversampling）。
• Presets：预设管理。
• Mode：饱和强度（Subtle、Medium、Aggressive）。
• De-emphasis：去加重。此功能通过从最终信号中减去 Spectre 在第一阶段所施加的均衡器（EQ）提升，仅保留每个频段的饱和度。该功能可启用或禁用。
  • Enabled：仅输出饱和产生的谐波，移除原始 EQ 提升（类似“纯谐波激励”）。
  • Disabled：默认。输出 EQ 提升+谐波。

饱和算法：Solid、Warm Tube、Tube、Tape、Class B、Diode、Digital、Bit、Rectify、Half Rectify、Clean。

• Solid（晶体管）：
  • 特点：晶体管类型的软削波（soft clipping），产生非对称失真。
  • 音色：相比电子管，声音更直接、坚实且有力度，能增强声音的清晰度和“存在感”。
  • 场景：需要增加清晰度和冲击力的音源。
  • 人声：现代/清晰旁白。适合需要增强“存在感”和清晰度的人声，使其在混音中更突出。
  • 频率：适合人声 1kHz - 3kHz（显著提升清晰度和可懂度）、5kHz - 8kHz（增加现代感和光泽，需谨慎使用）。
• Warm Tube（温暖电子管）：
  • 特点：Tube 算法的暗色版，高频更少。
  • 音色：比标准 Tube 模式更温暖、更厚实，但高频更少。
  • 场景：适合为声音增加厚度而不提升亮度。
  • 人声：复古/低沉男声。适合处理本身已经偏亮或刺耳的人声，在增加温暖感的同时避免声音变得更尖锐。模拟老式麦克风效果，适合有声书或怀旧纪录片。
  • 频率：适合人声 100Hz - 250Hz（增强胸腔共鸣）、400Hz - 800Hz（增加复古的“箱音”感）。
• Tube（电子管）：
  • 特点：阀型软削波（soft clipping），产生对称失真。
  • 音色：最通用、最安全的算法。提供温暖、圆润、顺滑的质感，柔化声音的棱角。
  • 场景：适用于任何需要温暖感和音乐性的音源。
  • 人声：标准旁白。为主流人声增添温暖、饱满的质感，消除数字录音的冰冷感，使其听起来像“面对面交谈”。
  • 频率：适合人声 200Hz - 500Hz（增加厚度和主体感）、3kHz - 5kHz（提升临场感和清晰度）。
• Tape（磁带）：
  • 特点：模拟磁带饱和效果。
  • 音色：声音更具冲击力（punchier）且略显沉闷（muffled），增加声音的凝聚力和模拟味。
  • 场景：用于增强底鼓或贝斯的冲击力，并建议不推荐在高频段使用。
  • 人声：Lo-Fi/广播风。适合营造复古氛围，削减刺耳的齿音，让人声听起来像是从旧设备中播放出来。
  • 频率：适合人声 300Hz - 800Hz（模拟老式电话或广播音色）；低频段可轻微提升，但避免在高频使用。
• Class B（B类放大器）：
  • 特点：模拟 B 类放大器典型的交越失真（Crossover Distortion）‌特性，小信号时失真明显，大信号时趋于线性。
  • 音色：产生独特的“颗粒感”，非常适合处理瞬态（起音快的声音）。
  • 场景：非常适合瞬态丰富的素材，如鼓组或打击乐。
  • 人声：节奏感旁白/说唱。能突出人声的瞬态细节（如字头起音和呼吸声），赋予声音独特的颗粒感和磁性。
  • 频率：适合人声 100Hz - 300Hz（增强共鸣和力量感）、5kHz - 10kHz（增加空气感和瞬态细节）。
• Diode（二极管）：
  • 特点：软削波对称失真，类似于 Tube 模式，但包含更多高频成分。
  • 音色：在提供温暖感的同时，显著增加声音的“空气感”和亮度，听起来更通透、有光泽。
  • 场景：需要增加光泽和细节的音源。
  • 人声：沉闷录音修复。当人声发闷、缺乏亮度时，能激发缺失的高频谐波，让声音变亮、变通透，且不增加噪音。
  • 频率：适合人声 3kHz - 6kHz（提升清晰度和细节）、8kHz - 12kHz（增加“空气感”和光泽。
• Digital（数字）：
  • 特点：硬削波（hard clipping）数字失真。
  • 音色：极端、激进，具有侵略性，产生明显的数字失真感。
  • 场景：用于创造现代、激进、失真的声音效果。
  • 用途：不适合常规旁白。仅用于创造特殊效果，如模拟对讲机、机器人或工业环境中的声。
• Bit（比特压缩）：
  • 特点：模拟低比特率采样（Bit-Crushing）的效果，通过降低采样分辨率产生数字颗粒感。与其他算法不同，它对较低输入电平的反应更明显。
  • 音色：引入数字感、颗粒感和 Lo-Fi 质感‌的失真。通过降低“分辨率”，产生量化噪声和粗糙的数字失真，使声音听起来像老式游戏机或早期的数字采样器。
  • 场景：用于创造 8-bit 游戏机风格的复古数字音效。
  • 用途：不适合追求清晰度的人声旁白。仅用于创造特殊的、充满数字颗粒感的音效人声。
• Rectify（全波整流）：
  • 特点：将信号的所有负值变为正值，产生一个音高更高的信号。
  • 音色：极端的、非音乐性的波形处理，会产生不和谐的、类似铃声的泛音。
  • 场景：创造非传统的、实验性的特殊音效。
  • 用途：不适合常规旁白。仅用于创造实验性的、不和谐的特殊人声效果。
• Half Rectify（半波整流）：
  • 特点：直接去除信号的所有负值部分。
  • 音色：极度破碎和具有破坏性，比方波失真更极端。
  • 场景：创造极度失真、破碎的实验性音效。
  • 用途：不适合常规旁白。仅用于创造极度失真、破碎的实验性人声。
• Clean（纯净模式）：
  • 特点：不添加任何失真。它只是将均衡器提升的部分与原信号混合，变成一个并行的纯提升均衡器。
  • 音色：完全透明，仅提升音量。
  • 场景：当你只想提升特定频段，而不需要任何饱和染色时。
  • 人声：精确修复/保守增强。当人声本身已经很好，只想纯粹地提升某个频段（如高频空气感或中频清晰度）而不引入任何饱和染色时使用。

对于人声旁白，Tube、Solid、Diode 是最安全且效果最好的“三驾马车”。Tape、Warm Tube 也适合人声处理。

• 场景 A：标准有声书/ 纪录片（推荐：Tube + Solid + Diode 混搭）
  • 推荐理由：Tube 作为“最万能的选择”，能平滑人声的毛刺感；如果觉得 Tube 太软，Solid 的非对称失真会带来更现代的听感与颗粒感。
  • 低频段（150Hz - 250Hz）：选择 Tube。增加胸腔共鸣，让声音听起来更稳重、饱满。
  • 中频段（2kHz - 4kHz）：选择 Solid。增加“咬字”的清晰度和存在感，让人声从背景音乐中跳出来。
  • 高频段（10kHz 左右）：选择 Diode。激发空气感谐波，增加呼吸声的细节，且比传统 EQ 提升更顺滑、不刺耳。
• 场景 B：复古广播/ 游戏角色（推荐：Tape + Warm Tube）
  • 场景需求：需要模拟老式设备的声音，或者让声音听起来像是从喇叭里发出来的。
  • 推荐理由：Tape 算法“更具冲击力且略显沉闷（punchier and muffled）”，非常适合模拟磁带机的压缩感和高频衰减。Warm Tube 则是更暗的版本，适合制造“昏暗”的管味。
  • 全频段：选择 Tape。模拟磁带的高频滚降，自然削减刺耳的齿音。
  • 中低频：选择 Warm Tube，频率设在 500Hz 左右。作用：增加一种“闷在箱子里”的复古感，非常适合模仿老式收音机效果。
• 场景 C：修复劣质录音（推荐：Diode + Clean）
  • 场景：如果录音环境不好，或者麦克风较差，人声听起来像“嘴里含着东西”，缺乏亮度。
  • 作用：劣质麦克风通常高频响应差，Diode 能激发人声缺失的高频谐波，让声音听起来更清晰、更有光泽，而不需要直接提升 EQ 造成刺耳的噪音。
  • 高频：高频（8-12kHz）：使用 Diode 算法进行适度的增益（例如 3-6dB），Q值设宽一些，激发空气感谐波。
  • 低频：选择 Clean。作用：如果录音环境有低频噪音（如空调声），用 Clean 模式平行提升人声基频（约 100 - 150Hz），可以掩盖底噪而不放大噪音本身。
• 场景D：富有激情/ 节奏感的旁白（推荐：Class B）
  • 场景需要：针对那种节奏很快、强调呼吸和起音（Attack）的解说，比如体育解说或快节奏广告。
  • 选择理由：手册提到 Class B 是“完美用于瞬态重的素材，如鼓或打击乐”。虽然听起来很激进，但在人声上使用，可以极大地增强辅音（如 p, t, k, s 音）的谐波，让旁白听起来非常有“劲”。
  • 中高频段（4kHz - 8kHz）：使用 Class B 算法，增强字头起音的清晰度和穿透力，适合体育解说或快节奏广告。
• 场景E：吐字不清的人声（推荐：Class B）
  • 场景需要：人声旁白缺乏瞬态、吐字不清、咬字不真。
  • 选择理由：在人声中，辅音（如 p, t, k, s 等爆破音和摩擦音）恰恰是瞬态最强、波形变化最剧烈的部分。Class B 算法能够精准捕捉到这些辅音的起音（Attack），并在其边缘注入以奇次谐波为主的“棱角感”。
  • 频点选择：在 2kHz - 6kHz 频段。这个区间正是人类听觉对辅音清晰度最敏感的区域（即语音的“临场感”和“咬字”频段）。

Equalizer

‌Wavesfactory Equalizer‌：智能动态均衡器，其核心逻辑是“智能平衡”——它会自动分析你的音频，然后决定如何调整，目标是让各个频段的音量趋于一致。

• 切分 32 个频段：插件首先将输入的音频信号切分为 32 个独立的频段。它会持续监听这 32 个频段中每一个频段的实时增益（音量）水平。
• 计算“目标音量”：它不依赖任何外部的参考曲线（比如粉红噪声曲线）。相反，它的算法会分析这 32 个频段的整体状态，为每一个频段独立计算出一个“目标音量”。
• 动态“削峰填谷”：有了目标音量后，插件会进行实时的动态调整。
  • 削减（Cut）：如果某个频段的实时音量高于计算出的目标电平，插件就会自动对该频段进行削减。
  • 提升（Boost）：如果某个频段的实时音量低于目标电平，插件就会对其进行提升。
• 零延迟修正：它在音频速率下实时计算每个频段的增益。如果某个频段（比如 2kHz）太响，它会自动计算出需要削减多少 dB；如果某个频段（比如 100Hz）太弱，它会计算出需要提升多少。
• 终极目标：它的本质是做一个“音量平衡器”。最终目的是让所有频率在感知上达到一个相对一致、平衡的音量水平，让声音听起来更“平”、更“顺”，从而消除刺耳的共振或填补薄弱的频段。

使用 Wavesfactory Equalizer 这种智能动态均衡器来代替传统 EQ 处理人声旁白，确实能极大地提升效率，让声音快速达到平衡。不过，它并非完美的“一键神器”，在实际应用中有着非常鲜明的优缺点。

• 优点：效率与平滑度的飞跃
  • 极速上手，告别繁琐试错：能在几秒钟内自动分析音频，并给出一个相对平衡的频谱状态。对于旁白、播客等需要快速出片的工作流，它能帮你省下大量“拧旋钮”的时间。
  • 动态处理，自然消除共振：这款插件是动态工作的。它只在特定频率出现刺耳共振或过量能量时才介入削减。这意味着它能精准地“按住”人声中偶尔冒出来的刺耳齿音或鼻音，而在人声正常时保持原貌。
  • 保持声音的自然平衡：这款插件的核心逻辑是“平衡”而非“重塑”，它更倾向于微调，因此能很好地保留人声原本的音色特征，避免过度处理带来的“塑料感”。
• 缺点：缺乏针对性与“个性”风险
  • 缺乏“审美”与“风格化”能力：这是 AI 自动均衡器最大的短板。它追求的是物理上的“频率平衡”，但它不懂艺术审美。比如，做旁白时，为了让人声在背景音乐中更突出，我们通常会用传统 EQ 刻意提升 3kHz-5kHz 的“存在感”频段。但 Wavesfactory Equalizer 可能会觉得这个频段能量已经够了，甚至为了平衡而将其削减。它无法像人类一样，为了“好听”或“突出”而做出违背物理平衡的审美决策。
  • 对严重缺陷的音频无能为力：它适合处理录音质量尚可、只需微调平衡的人声。如果你的原始录音环境极差（比如有严重的房间混响、持续的低频空调轰鸣声），它无法像传统 EQ 的高通/低通滤波器（High-Pass/Low-Pass Filter）那样进行“外科手术式”的彻底切除。在这种情况下，它可能会试图去“平衡”这些噪音，反而让整体声音变得更脏。
  • 过度依赖可能导致声音同质化：由于它的算法逻辑是固定的，如果所有旁白都只依赖它进行自动处理，最终出来的声音质感可能会趋于雷同，缺乏属于该配音员或该项目的独特“个性”与温暖感。

最佳实践建议：不要把它看作传统 EQ 的替代品，而应该把它视为一个强大的“预处理”或“打底”工具。推荐的“混合工作流”：

• 第一步（传统 EQ）：先挂一个传统 EQ，用高通滤波器切掉 80Hz 以下的低频噪音，用低通滤波器切掉 14kHz 以上无用的超高频。
• 第二步（Wavesfactory Equalizer）：挂上这款插件，将 Amount 设在 50%左右，让它自动平衡人声的中频质感，消除不自然的共振。
• 第三步（传统 EQ 或其它插件）：如果此时你觉得人声不够亮或缺乏磁性，再用传统 EQ 针对性地提升一下高频“空气感”或低频“厚度”，或者挂上压缩器来进一步控制动态。

Per-Band Amount：每频段处理量。可在频谱图上直接绘制，精细控制每个频段的处理强度。此功能非常适合保护某些频段不受处理（如保留底鼓低频）或强化特定频段（如突出人声中频）。

• 中心位置：该频段处理量=全局 Amount 值。
• 最下方（0%）：该频段完全不处理。
• 最上方（200%）：该频段处理量=全局 Amount × 2。例如：全局 Amount = 20%，某频段拉到顶部→实际处理量= 40%。

• Amount：0%– 100%。全局处理强度；0%=旁通 EQ，100%=完全处理。

• Cut：0%– 100%。控制插件对频段的衰减量；0%=不衰减，100%=完全按算法衰减。Solo：点击可试听被 Cut 的差值信号（即“被移除的部分”）。
• Boost：0%– 100%。控制插件对频段的提升量；0%=不提升，100%=完全按算法提升。Solo：点击可试听被 Boost 的差值信号（即“被添加的部分”）。

• Attack：10 ms – 1000 ms。各频段的启动时间；高频自动使用更短 Attack。
• Release：10 ms – 1000 ms。各频段的释放时间。

• M/S：0%– 100%。Mid/Side 处理比例：0%=仅处理 Mid（中置声道）；50%=立体声均衡（默认）；100%=仅处理 Side（侧边声道）。
• Tilt：-100%～+100%。倾斜均衡：正数：提升高频、衰减低频（更明亮）；负数：提升低频、衰减高频（更温暖）。
• Mix：0%– 100%。干湿混合比例（0%=全干，100%=全湿）。
• Out：-24 dB ～+24 dB。输出增益调节。
• Auto-Gain：启用后自动补偿输出电平，使其与输入一致。

针对“电子合成男声旁白”的最佳参数设置方案：

• Cut：削减，80%- 100%。强力消除合成声中的刺耳高频和不自然的共振峰。
• Boost：提升，40%- 60%。适度增加温暖感，但不要过高，以免合成声变得模糊。
• Amount：强度，50%- 70%。控制整体修正幅度，避免过度处理导致声音失真。
• Tilt：倾斜，-20%到-40%。关键设置。合成男声通常偏亮/冷，此设置可增加低频温暖感，降低高频冰冷感。
• Attack：启动，50ms - 100ms。稍微慢一点的启动，保留人声的“起音”清晰度，避免吞字。
• Release：释放，200ms - 400ms。适中释放，跟随人声节奏，避免呼吸声被过度处理。

• 利用“画笔”功能：
  • 如果你觉得高频太刺：在频谱图的右侧（高频区），用鼠标向下拖拽那些滑块。这会告诉插件：“这部分频率，你绝对不要给我提升，甚至可以多削减一点”。
  • 如果你觉得声音太薄：在频谱图的中低频区域（300Hz - 800Hz），稍微向上拖拽滑块，鼓励插件增强这些频段来增加厚度。
• Cut：削减。合成语音最容易出现刺耳噪音的地方通常在中高频（2kHz-6kHz）或超高频（10kHz以上）。将 Cut 设为 100%，让插件全力去识别并削减那些让你觉得“听久了头疼”的频率。
• Boost：提升。合成男声的低频（100Hz-300Hz）通常比较空洞。将 Boost 设为 50%左右，让插件尝试填补这些空洞，增加“胸腔共鸣”感。如果 Boost 设得太高，声音可能会变成“广播音效”或产生嗡嗡声。
• Tilt：倾斜。电子合成男声通常缺乏自然声带的厚度，听起来像“机器人”。将 Tilt 旋钮向左（负值）旋转，可以增加低频能量，让声音听起来更“厚实”和“温暖”，减少那种冰冷的电子味。
• Attack：旁白通常语速较慢且清晰。为了保持这种清晰度，Attack 不要太快（建议 50ms+），否则会抹平辅音（如 s, t, k 音），导致口齿不清。
• Release：设为自动或中等速度，让声音的尾音自然消失，不要让它“卡”住。配合人声节奏，通常 200ms-400ms 较舒适。
• Amount：强度。建议从 50%开始，听听插件对声音的“修饰”程度。如果声音变得太湿或太假，就降低这个值；如果觉得还没什么变化，就提高它。
• Mix：混合。建议保持 100%。因为 Equalizer 是自动平衡的，使用 Mix 旋钮（干湿比）会破坏它建立的平衡关系。
• Auto-gain：建议开启。因为合成语音经过处理后音量可能会有变化，Auto-gain 能帮你保持输出电平一致。

对于人声多段压缩器，怕“错过”瞬态，Attack 一般 10 - 20ms。而 Wavesfactory Equalizer 这种动态均衡器，怕“误判”音色，所以 Attack 设置为 50ms+的详细原因：

• 保护“起音”（Attack Transient）——避免“吞字”
  • 人声的清晰度（特别是旁白）很大程度上取决于辅音（如 p, t, k, s 音）的起音瞬态。
  • 10-20ms（压缩器逻辑）：这个速度是为了捕捉打击乐或吉他拨片的瞬态，防止峰值过载。如果用在均衡器上，它会瞬间介入，把人声最开始的那一下“爆破音”或“齿音”强行削掉。
  • 50ms+（EQ逻辑）：给予声音一个“起跑”的时间。人声的音高和共振峰建立需要一点时间。稍微慢一点的 Attack，能让辅音干净地通过，保持“口齿清晰度”，而不会让声音听起来像是含着东西说话（被“吞”掉了开头）。
• 过滤“伪共振”（False Resonance）——避免“抽吸感”
  • 10-20ms（过快）：人声是一个复杂的波形，10ms 内可能只是一个随机的波峰，而不是真正的“音色”。如果 Attack 太快，插件会误以为这是一个需要被修正的“刺耳频率”，从而瞬间拉低增益。当下一个 10ms 波形变化时，它又会瞬间拉高。这会导致一种不自然的“抽吸感”（Pumping）或“金属味”，让合成声听起来更假。只有当去除辅音中刺耳声时，Attack 设置为 10 ms，才合适。
  • 50ms+（适中）：这个时间窗口让插件能“听”到一个完整的音节或共振峰模式，判断这是“真正的音色”还是“瞬时的噪声”。它能更平滑地处理元音中的共振。
• 合成人声的特殊性：机械感 vs.自然感
  • “电子合成人声”，通常缺乏自然的动态变化。
  • 如果 Attack 太快（10ms）：插件会试图“过度修正”合成算法中固有的、恒定的高频噪音，导致声音忽大忽小，产生一种不自然的“机器人呼吸”效果。
  • 如果 Attack 稍慢（50ms）：它允许声音保持其“静态”的电子底色，只对持续过长的、令人厌烦的共振峰进行温和的削减，从而在“电子感”和“人声感”之间找到平衡。

Trackspacer

Wavesfactory Trackspacer‌：多段侧链压缩器，类似于一个强大的透明精确的插件，适用于人声和其他乐器，避免频率冲突。