3. 音频质量评价

做音频这行，耳朵当然重要。但说实话，很多时候耳朵会骗人。你听到的“嘶嘶声”到底是底噪还是谐波失真？那个“嗡嗡声”是50Hz工频还是空调外机？

这时候，你需要一双“电子眼”——频谱分析。它能把声音拆成频率和时间的二维图像，让你一眼看到问题在哪。我个人习惯，拿到一段音频先不看波形，先拉进频谱里扫一遍。很多毛病，波形上根本看不出来。

频谱图到底怎么看？

先别急着开软件。你得先明白屏幕上那些花花绿绿的东西代表什么。

一张标准的频谱图（Spectrogram），有三个维度：

• 横轴（X轴）：时间 —— 从左到右，声音在时间轴上的变化。单位是秒或分钟。
• 纵轴（Y轴）：频率 —— 从下到上，频率由低到高。单位是Hz或kHz。人耳能听到的大概是20Hz-20kHz。
• 颜色/亮度（Z轴）：能量/幅度 —— 颜色越亮（通常是黄、红、白），表示该频率点的能量越强；颜色越暗（蓝、黑），能量越弱。

举个例子。你录了一段人声，在频谱上你会看到：

• 基频（比如男声100-200Hz）是一条连续的亮线。
• 泛音（谐波）在基频上方，以整数倍频率出现，亮度递减。
• 如果某个频段突然出现一条水平亮线，那多半是固定频率的噪声（比如50Hz电源干扰）。

FFT与STFT：频谱背后的数学魔法

你看到的频谱图，不是直接录下来的。它是通过数学变换算出来的。这里有两个核心概念：FFT 和 STFT。

FFT（快速傅里叶变换）

说白了，FFT就是把一段时域信号（波形）拆解成频域信号（频谱）。它告诉你“这段声音里，各个频率的成分各有多少”。

但FFT有个问题：它只能分析一整段信号。如果你把整首歌丢进去做FFT，你只能知道整首歌的频率分布，却不知道“第30秒的那个吉他扫弦”在频率上有什么特征。时间信息丢了。

这就好比你把一整部电影的所有画面叠加成一张照片——你只能看到模糊的轮廓，看不到剧情发展。

STFT（短时傅里叶变换）

为了解决这个问题，科学家们想了个办法：把信号切成一小段一小段，对每一小段分别做FFT，然后把结果按时间顺序拼起来。这就是STFT。

你看到的频谱图，本质上就是STFT的结果。每一小段的长度，叫做“窗口大小”（Window Size）。

• 窗口越大：频率分辨率越高（能看清更细的频率差异），但时间分辨率越低（看不清瞬态变化）。
• 窗口越小：时间分辨率越高（能看清瞬态），但频率分辨率越低（频率看起来模糊）。

这是一个经典的“测不准原理”在音频领域的体现。你不可能同时获得极高的时间和频率分辨率。

下面这张图，帮你理清FFT和STFT的关系：

常见频谱分析工具

理论讲完了，咱们来点实际的。工欲善其事，必先利其器。我常用的工具有这么几个，各有各的用处。

工具	类型	核心用途	我的评价
Spek	免费 / 轻量	快速查看频谱概貌	启动快，适合“瞄一眼”
iZotope RX	专业 / 付费	深度诊断 + 修复	行业标准，功能强大但学习曲线陡
Audacity	免费 / 开源	基础频谱分析 + 编辑	够用，适合入门练习
Adobe Audition	专业 / 付费	多轨编辑 + 频谱分析	和视频工作流结合好

Spek：最轻量的“频谱快照”

Spek 是我电脑里常驻的工具。它只有一个功能：把音频文件拖进去，立刻显示它的频谱图。没有编辑功能，没有播放功能，就是纯粹的“看一眼”。

什么时候用它？

• 检查音频文件是不是“假高音质”（比如320kbps MP3冒充无损，频谱在20kHz以上会被一刀切）。
• 快速确认一段录音里有没有明显的底噪或低频轰鸣。
• 对比两个版本（比如降噪前后）的频谱差异。

iZotope RX：音频界的“手术刀”

如果说Spek是听诊器，那iZotope RX就是核磁共振仪。它不仅能看，还能直接在频谱图上“动手术”。

RX的频谱显示功能（Spectrogram）有几个核心优势：

• 可调节的时频分辨率：你可以实时调整窗口大小，找到最适合当前问题的平衡点。
• 选区工具：你可以用鼠标在频谱上框选一个区域（比如某个噪声），然后单独处理它（静音、衰减、替换）。
• 多种显示模式：线性频率、对数频率、相位谱、声谱图……满足不同需求。

我在项目中遇到过一段录音，背景里有间歇性的“咔哒”声。波形上看不出来，因为声音很小。但在RX的频谱上，每个“咔哒”声都显示为一个垂直的亮条（瞬态噪声）。我直接用“Spectral Repair”（频谱修复）功能，把这些亮条替换成周围的频谱信息，几秒钟就搞定了。

如何用频谱找问题？实战四步法

光说不练假把式。下面是我总结的“频谱找问题四步法”，你试试看：

1. 看整体轮廓：打开频谱，先看全局。有没有明显的水平亮线（固定频率噪声）？有没有大片的暗区（频段缺失）？高频有没有被截断？
2. 找异常模式：
   • 水平亮线：通常是电源干扰（50/60Hz及其谐波）、设备底噪。
   • 垂直亮条：通常是瞬态噪声（鼠标点击、开关声、爆音）。
   • 模糊的色块：可能是混响、房间共振、或压缩器产生的失真。
3. 放大可疑区域：用鼠标框选那个异常区域，放大查看。调整窗口大小，让异常特征更清晰。
4. 交叉验证：用耳朵听一下那个区域，确认频谱上看到的问题和听到的一致。有时候频谱上看着很吓人，但耳朵不一定敏感；有时候耳朵觉得有问题，频谱上却看不出来（比如极低频率的失真）。两者结合，才是王道。