1. 音频基础与杂音分类

各位好，欢迎来到《采集杂音排查与音频修复》的第一章。我是你们这趟音频修复之旅的向导。

在动手处理那些恼人的杂音之前，我们得先搞清楚一件事：声音到底是什么？ 以及，我们电脑里的那些音频文件，是怎么把真实世界的声音“装”进去的？

别急，这部分不难。我尽量用大白话讲清楚。你想想看，如果连敌人长什么样都不知道，怎么打仗？对吧。

声音，说白了就是振动。一个物体振动，挤压周围的空气，形成疏密相间的波，传到我们耳朵里，就是声音。

这里面有两个核心参数，你必须要记住：

频率（Frequency）：单位是赫兹（Hz）。它决定了声音的音调。频率越高，声音越尖（比如女高音、蚊子叫）；频率越低，声音越沉（比如大鼓、低音炮）。人耳能听到的范围大概是 20Hz 到 20kHz。
振幅（Amplitude）：单位是分贝（dB）。它决定了声音的响度。振幅越大，声音越响；振幅越小，声音越轻。

核心概念： 频率和振幅，就是声音的“身份证”。我们后面要识别的所有杂音，本质上都是在某个频率或振幅上出了问题。

我记得刚入行时，带我的老师傅跟我说过一句话，我一直记到现在：“修音频，就是跟频率和振幅打交道。” 嗯，这话一点不假。

真实世界的声音是连续的（模拟信号），但电脑只能处理离散的0和1（数字信号）。怎么把连续的变成离散的？这就得靠两个关键步骤：采样和量化。

我画了张图，帮你理解这个过程：

采样（Sampling）：在时间轴上，每隔一小段固定的时间，记录一个“快照”。这个快照的频率就是采样率（Sample Rate），单位是 kHz。比如 CD 音质的 44.1kHz，就是一秒钟拍了 44100 张“照片”。
量化（Quantization）：在幅度轴上，把每个“快照”的振幅值，归到最接近的一个“阶梯”上。这个阶梯的精细程度就是位深度（Bit Depth）。16bit 就是有 65536 个阶梯，24bit 就是有 16777216 个阶梯。

我的建议： 做音频修复，我个人习惯至少用 24bit/48kHz 的规格来工作。位深度越高，量化噪声越低，后期处理的空间就越大。千万别用 16bit 去修爆音，修完你会发现底噪反而更明显了。

好了，基础讲完，咱们来点实战的。这些年我经手过的音频，杂音种类五花八门，但总结下来，无非就是下面这四大类。我把它们的特点和识别方法整理成了一个表格，方便你对照：

咱们一个一个说。

这是最普遍的问题。说白了，就是你的录音设备不够“干净”。我遇到过最夸张的一次，是帮一个播客团队修音频，他们用笔记本自带麦克风录的，底噪大得跟下雨似的。底噪的可怕之处在于，它像一层“雾”，蒙在所有声音上，让你觉得声音发“闷”、不清晰。

爆音是音频修复里最“好治”的，但也是最“吓人”的。你想想看，正听着呢，突然“啪”一声，是不是很吓人？爆音在波形图上非常显眼，就是一根“刺”。

避坑指南： 我曾经遇到过新手，看到波形图上有“刺”就以为是爆音，直接用工具抹掉。结果声音变得很奇怪。后来才发现，那是镲片的打击声，不是爆音。所以，一定要先听，再看波形图。耳朵永远是最准的。

电流声，也叫“工频干扰”。它跟底噪有点像，但更“有规律”。你听到的“嗡嗡”声，通常是 50Hz（国内）或 60Hz（国外）的交流电频率。我有个习惯，拿到一段有低频嗡嗡声的音频，第一件事就是打开频谱分析，看看 50Hz 和 100Hz 上有没有竖线。有，基本就是电流声没跑了。

这个最好理解。就是录音时，除了你想录的声音，其他所有声音都是环境音。比如空调的呼呼声、马路上的车流声、甚至是你自己呼吸的声音。环境音的修复，是音频修复里最考验技术的，因为它跟目标声音混在一起，很难分离。