天空音樂廳

混音台密密麻麻旋鈕好可怕？五分鐘看懂實體混音器操作指南 錄音實務 混音台密密麻麻旋鈕好可怕？五分鐘看懂實體混音器操作指南 圖：類比混音器典型通道條（Channel Strip）的訊號流向架構與母線加總 走進練團室、學校活動中心或小型舞台，看到桌上擺著一台密密麻麻全是旋鈕、推子和按鈕的實體混音器（Mixer），很多人第一反應是「這跟開飛機一樣複雜，碰都不敢碰」。其實混音器一點都不可怕！它是由許多條「完全一模一樣的直排控制模組」並排組成的。只要花五分鐘搞懂單一音軌的運作邏輯，整台混音器你就看懂了九成。本文帶你由上到下拆解控制旋鈕，並附上不爆音、不嘯叫的實務調音五步驟！ 一、 看懂混音台的心臟：由上到下搞懂單軌控制旋鈕 混音台面板不管有 8 軌、16 軌還是 32 軌，每一道直排（稱為通道條 Channel Strip）功能都是複製貼上的。聲音訊號是 從最上方的插孔進入，一路順著旋鈕由上往下流動 ： 1. 最頂端插孔與 Gain（輸入前級音量） ：麥克風或吉他插在這裡。Gain 就像水龍頭的總閥門，因為麥克風傳進來的訊號極微弱，必須靠 Gain 把它放大到健康好處理的大小。旁邊通常有一顆 80Hz（高通濾波） 按鍵，按下去能一秒濾掉舞台地板踩踏聲與冷氣嗡鳴低頻雜音。 2. EQ 等化器（調音色高低音） ：通常有 High（高音）、Mid（中音）、Low（低音）三顆旋鈕。說話發悶可以稍微加一點 High；說話鼻音太重或有嗡嗡聲，可以微調減低 Mid；女聲或吉他不需要笨重低音時，把 Low 稍微關小。 3. AUX / FX 發送旋鈕（舞台監聽與回音） ：把這支麥克風的聲音「分流拷貝一份」送出去。比如轉動 AUX 可以把主唱聲音送到樂手台上的監聽喇叭，轉動 FX 則能送入殘響迴音效果器，讓歌聲聽起來更有空間感。 4. PAN（左右位置）與底部滑動推子（Fader） ：PAN 旋鈕決定聲音在左喇叭還是右喇叭；最下方的長條推子（Fader）則是整條軌道的出口開關，控制這軌聲音最終要多大聲地混入現場大喇叭。 ...

一大批音檔忽大忽小好困擾？用標準化工具一鍵搞定音量平衡 聲音處理 一大批音檔忽大忽小好困擾？用標準化工具一鍵搞定音量平衡 圖：音訊標準化（Normalization）透過峰值偵測與集成響度演算法校準動態範圍 處理大量語音檔案（例如 Podcast 各集錄音、訪談錄音、線上課程或遊戲對白素材）時，最痛苦的莫過於：上一集聲音大到破表、下一集又小聲到聽不清楚；甚至同一段錄音裡，講話忽大忽小很難聽清。如果要一個一個檔案手動拉音量，不僅累人而且耳朵很容易聽覺疲勞。本文用最直白的方式解釋「最大音量」與「耳朵聽到的音量（LUFS）」有何不同，並介紹由 Studio Tian 開發的開源工具 WAVNormalizer ，教你如何一鍵自動撫平動態落差、批次搞定全套音檔！ 一、 為什麼單純把音量拉大不可行？「最大音量」與「耳朵聽到的音量」差在哪 很多人以為「音量調整」就是把音檔波形放大，但常常放大後不是破音，就是聲音依然聽起來忽大忽小。這背後有兩個關鍵的音訊概念： 傳統「峰值標準化」的致命盲點 ：傳統軟體只看音檔裡「瞬間最大聲的單一點（Peak）」。假設整段 30 分鐘的錄音裡，講者只有一秒鐘不小心拍了一下桌子或咳嗽了一聲，那一下聲音雖然極短，但振幅非常大。電腦如果只依據那一瞬間來決定能放大多少，就會誤以為「這段音檔已經很大聲了，不能再推高了」，結果導致整篇演講的正常說話聲依然小得像蚊子叫。 什麼是 LUFS？耳朵真正感受到的「感知響度」 ：人的耳朵聽聲音並不是看某一瞬間的突發噪音，而是評估「整段聽下來有多大聲」。國際廣播標準（如 ITU-R BS.1770 與 EBU R128）制定了 LUFS（響度單位） ，模擬人類耳朵的敏感頻率，自動忽略短暫無聲或突發拍桌，精準計算出整段音訊的平均體感音量。以 LUFS 為標準，才能確保每支檔案聽起來音量完全一致！ 預留安全天花板（-1.0 dBTP 真峰值防護） ：把音量拉大時，千千萬萬不要貼齊極限（0 dB）。數位音訊在轉存成 MP3、傳上 YouTube 或經由手機喇叭播放時，波形還會微幅...

MP3、WAV、FLAC 差在哪？數位音訊編碼、取樣理論與心理聲學文獻回顧 聲學理論 MP3、WAV、FLAC 差在哪？數位音訊編碼、取樣理論與心理聲學文獻回顧 圖：線性脈衝編碼調變（LPCM）與基於聽覺掩蔽閾值之感知壓縮頻譜特徵對照 數位音訊的儲存、傳輸與後製涉及資訊理論、取樣定理與聽覺心理聲學的多學科整合。音訊工程實務中常見的 WAV、FLAC、MP3 與 AAC 等格式，代表了不同資訊熵編碼與感知失真容限的工程權衡。本篇文獻回顧依循學術 Paper Review 規範，回顧奈奎斯特—夏農取樣定理（Nyquist-Shannon Sampling Theorem）、均勻量化動態範圍推導、臨界頻帶（Critical Bands）同時掩蔽機制，以及 MPEG 感知音訊編碼之時頻轉換拓撲，為音訊製作提供堅實的聲學理論基礎。 一、 理想數位重構理論：奈奎斯特—夏農取樣定理與量化雜訊 連續時間類比聲學訊號 x ( t ) 轉換為離散時間數位序列 x [ n ] 的理論基石源於夏農（Shannon, 1949）之資訊理論研究。取樣定理確立了若帶限訊號的最高頻率為 f max ，當取樣頻率滿足 f s ≥ 2 f max （奈奎斯特取樣率）時，連續訊號可藉由惠特克—夏農（Whittaker-Shannon）內插公式無失真還原： 頻率抗混疊與取樣率選擇 ：人類耳蝸基底膜的聽覺感知極限約為 20 kHz。CD 標準規格採用 44.1 kHz 取樣率，留有約 4.1 kHz 的過渡帶供類比抗混疊濾波器進行衰減；現代專業影音與錄音標準普遍採納 48 kHz 或 96 kHz 取樣率，進一步放寬濾波器相位線性要求並降低群延遲畸變（Pohlmann, 2010）。 位元深度與均勻量化雜訊比（SQNR） ：在線性脈衝編碼調變（Linear PCM，即標準 WAV 格式）中，每個取樣點以 N 個位元表示。假定量化誤差在 [−Δ/2, Δ/2] 區間內呈現均勻分布，其理論訊號與量化雜訊比公式推導為： SQNR ≈ 6.02 ...

手機錄音又破又糊回音大？用 Adobe Podcast 免費 AI 一鍵拯救 聲音處理 手機錄音又破又糊回音大？用 Adobe Podcast 免費 AI 一鍵拯救 圖：運用深度學習模型進行非歌曲類語音去混響與背景噪聲抑制 用手機在客廳、辦公室或咖啡廳錄製 Podcast、訪談或線上課程旁白時，常常會錄到惱人的冷氣風扇聲、鍵盤敲擊聲，以及空曠房間自帶的「空洞回音」。如果你沒有昂貴的專業錄音室，傳統降噪軟體又容易把聲音修得像外星人，Adobe Podcast 推出的免費 AI 工具 Enhance Speech 就是救星！本文用最直白的方式告訴你 AI 降噪的神奇原理、為什麼強烈建議不要把強度開到 100%，並附上四步上手實戰教學！ 一、 為什麼 AI 降噪能把客廳秒變錄音室？它跟傳統降噪差在哪 很多人用過傳統的剪輯軟體降噪，常常覺得「聲音雖然安靜了，但講話變得好怪、像悶在水裡」。這是因為傳統技術與現代 AI 的思路完全不同： 傳統降噪像「拿剪刀硬剪頻率」 ：它只能辨識固定不變的低頻噪音（如規律的電風扇嗡嗡聲）。一旦遇到鍵盤敲擊聲、杯盤碰撞，或是牆壁反彈回來的空曠回音，傳統方法就無法分辨哪裡是人聲、哪裡是雜音，硬剪的下場就是人聲變得薄弱、充滿像外星人通話般的金屬雜音。 AI 降噪像「經驗老道的錄音師幫你重現原音」 ：Adobe Podcast 的 AI 模型在數百萬小時的真人講話資料中學習過。它「認得出」什麼是真正的人類講話共鳴，什麼是多餘的環境雜音與房間殘響。它能直接把清晰的人聲特徵萃取出來，把旁邊的噪音徹底抹去。 核心避坑技巧：為什麼不要把強度開到 100%？ ：很多人上傳音檔後直接用預設的 100% 強度，結果發現講話變得像「大舌頭」。這是因為 AI 在全力運作時，容易把中文發音裡的氣音（如 ㄙ、ㄊ、ㄎ、ㄑ 等輕柔子音）誤判為雜音給削掉！ 實務上最推薦的黃金設定是 60%～75% ，既能消掉 95% 以上的雜音與回音，又能保留講者最自然的講話細節與呼吸感。 二、 Adobe Podcast ...