Au：频谱音调显示器

声音不仅包含随时间变化的振幅信息，还可能形成可以被听觉判断为高低的音高结构。波形显示主要反映声音强弱随时间的变化，频谱频率显示展示各频率成分的能量分布，频谱音调显示则进一步估计声音中的主要音高及其变化轨迹。

在 Adobe Audition 中，频谱音调显示器（Spectral Pitch Display）适合观察人声、独奏乐器和其他具有较明确音高结构的声音。它在频谱背景上叠加音高检测结果，可以辅助分析持续音、滑音、颤音、旋律走向和音准变化。

说明：中文版 Audition 的按钮提示名称为“频谱音调显示器”，而“视图”菜单中的命令名称为“显示频谱音高”。下文保留软件名称中的“音调”，描述声音高低及蓝色轨迹时主要使用更准确的“音高”。

一、频谱音调显示的基本原理

1、从波形和频谱到音高

数字音频文件本质上是一组按照时间顺序排列的振幅采样数据。

波形显示（Waveform Display）将采样值按照时间排列：

• 横轴表示时间

• 纵轴表示振幅

波形可以显示声音何时出现、振幅如何变化以及哪里存在瞬态峰值，但无法直接给出声音的音高。

频谱频率显示（Spectral Frequency Display）进一步将声音分解为不同频率成分：

• 横轴表示时间

• 纵轴表示频率

• 颜色亮度表示频率成分的强弱

频谱音调显示（Spectral Pitch Display）则在频谱分析基础上，估计声音在各个时间位置上的主要音高，并用轨迹表示其变化。

图 1：频谱频率显示与频谱音调显示的区别

2、音高、频率与基频

频率（Frequency）是可以测量的物理量，表示振动每秒重复的次数，单位为赫兹（Hz）。

音高（Pitch）是听觉对声音高低关系的感知。它与频率密切相关，但不能简单等同于某一个频率值。听觉系统会综合声音的重复周期、频率间隔、谐波关系和上下文，形成音高判断。研究表明，音高感知可以同时利用基频、谐波间隔等多种声学线索。

对于周期为 T 的理想周期信号，其基频（Fundamental Frequency，F₀）为：

其中：

• f₀ 表示基频

• T 表示最基本的重复周期

在其他条件接近时，基频越高，感知到的音高通常越高；基频越低，感知到的音高通常越低。

这里需要注意：

• 频率描述客观的振动成分

• 基频描述周期信号最基本的重复频率

• 音高描述听觉形成的高低感知

因此，声音是否具有明确音高，不能只看频谱中是否存在稳定频率成分，还要看这些成分能否形成可被听觉系统整合的周期或谐波关系。某些机械声或调制噪声即使被归类为噪声，也可能具有明显的音调性。

3、基频、谐波与音高感知

人声和多数乐器声音通常不是单一正弦波，而是由多个频率成分共同构成。

理想谐波结构中，第 n 个谐波频率可以表示为：

其中：

• f₀ 表示基频

• n 表示谐波序号

• fₙ 表示第 n 个谐波频率

基频及谐波之间的整体关系为听觉判断音高提供了重要依据，谐波的相对强弱和频谱包络则会明显影响音色。

音高也不一定要求基频成分实际存在。实验表明，当一个谐波复合音缺少基频成分，但其余谐波仍保留共同的周期关系时，听者仍可能感知到与该基频对应的音高。这种现象说明，音高来自听觉对整体周期和谐波结构的组织，并非只读取频谱中最低或最亮的频率。

4、音高检测是一种估计

计算机无法直接读取人的主观听觉感受，只能根据一段音频中的周期性、频率结构和连续性估计基频或主要音高。

音高检测通常将音频划分为连续的短时间窗口，在每个窗口中寻找可能的重复周期或基频候选，再将相邻结果连接为音高轨迹。基频估计算法广泛用于语音和音乐分析，但任何算法都可能受到音色变化、噪声、瞬态、多个声源和谐波竞争的影响。

因此，频谱音调显示器中的蓝色线条应理解为：Audition 根据当前音频生成的基频估计轨迹。

Adobe 官方将亮蓝色线条称为“基础音调（fundamental pitch）”，黄色至红色区域表示泛音，应用“手动音高校正”后，更正结果显示为亮绿色线条。

二、在 Audition 中打开与设置频谱音调显示器

1、切换频谱音调显示

可通过 Audition 主界面左上角的“显示频谱音调显示器”按钮，或通过菜单“视图 > 显示频谱音高”打开频谱音调显示器。

打开后，编辑器会在频谱背景上显示检测到的音高轨迹。

频谱音调显示通常与波形显示结合使用：

• 波形显示用于定位声音事件和振幅变化

• 频谱音调显示用于观察音高位置和变化趋势

二者结合，可以判断某段音高变化发生在什么时间，以及相应声音的振幅和频谱结构。

2、频谱音调显示器中的显示参数调整

频谱音调显示器中的参数主要改变观察方式，不会直接修改音频数据。右击纵轴，可以调整频率范围、刻度方式、频谱分辨率和声道显示。

图 2：频谱音调显示器纵坐标右键菜单

（1）频率范围与缩放

在纵轴右键菜单中，可以使用：

• 放大（频率）

• 缩小（频率）

• 缩放重设（频率）

限制显示范围，可以集中观察特定音域。

例如，分析低沉人声、贝斯或低音乐器时，可以放大较低频率区域；分析较高人声、弦乐高音或高音旋律时，可以集中观察较高区域。

频率缩放只改变显示范围，不会改变原始声音的音高。

（2）赫兹与音高刻度

纵轴可以使用两种常见表示方式：

• 赫兹

• 音高

“赫兹”以实际频率数值标记纵轴，例如 110 Hz、220 Hz 和 440 Hz，适合观察基频的具体数值。

“音高”使用音名和八度标记，例如 A2、A3 和 A4，更适合观察旋律、音程和音准。

例如：

音乐分析通常采用“音高”刻度更加直观；需要核对实际频率时，可以切换为“赫兹”。

（3）线性与对数频率显示

频率轴可以在线性尺度与对数尺度之间调整。

“线性”显示按照频率数值的等差间隔排列。100 Hz 到 200 Hz 与 1000 Hz 到 1100 Hz 会具有相同的视觉距离，适合定位具体频率。

“对数”显示按照频率的对数值映射纵轴位置。相同倍频关系，例如 100 Hz 到 200 Hz、1000 Hz 到 2000 Hz，会具有相近的视觉距离。

音乐中的八度也属于倍频关系，因此“对数”尺度通常更便于观察音域和音程结构。

（4）频谱分辨率

频谱分辨率决定显示器区分相近频率成分的能力。

在纵轴右键菜单中，可以使用：

• 增加频谱分辨率

• 降低频谱分辨率

在理想化的离散频谱分析中，频率分辨率可以近似表示为：

其中：

• Δf 表示频率分辨率

• fₛ 表示采样率

• N 表示分析点数量

增加分析点数量可以提高频率区分能力，但需要更长的时间窗口，因此时间定位会变得相对粗略；缩短窗口可以更准确地定位快速变化，却会降低频率分辨能力。

提高频谱分辨率会提高频率精度，同时降低时间精度；打击性较强、变化迅速的素材通常更适合较低分辨率。

请参阅：

（5）声道显示

对于立体声或多声道文件，可以选择查看当前声道或全部声道。

分别观察左右声道，有助于判断：

• 某条音高轨迹来自哪个声道

• 不同声道是否包含不同旋律或声音来源

• 某个声道中的音高检测是否受到其他内容干扰

当左右声道包含不同乐器或不同人声时，分开观察通常比叠加显示更加清晰。

（6）显示参数的调整建议

分析单独人声或持续乐器音时，可以使用音高刻度并适当提高频谱分辨率。

观察快速转音、短音符或瞬态较多的声音时，可以适当降低频谱分辨率，以改善时间定位。

分析较宽音域的旋律时，可以使用对数尺度；核对某个具体基频时，则可以切换为赫兹和线性尺度。

参数调整的核心是在音高细节、时间变化和显示范围之间取得适当平衡。

三、读懂频谱音调显示器

频谱音调显示器需要结合时间、纵轴位置、频谱颜色和蓝色音高轨迹进行阅读。

图 3：频谱音调显示器阅读示意

1、横向观察时间变化

频谱图的横轴表示时间，从左向右表示声音的发展过程。

通过横向观察，可以判断：

• 音高轨迹何时出现

• 某个音持续多长时间

• 音高何时升高、降低或发生跳变

较长的水平蓝线通常对应相对稳定的持续音；向上倾斜表示检测到的音高升高，向下倾斜表示音高降低。

2、纵向观察音高位置

纵轴表示频率或音高。

在音高刻度下，纵轴通常标记为 C、D、E、F、G、A、B 等音名及相应八度。

从下向上，频率升高，音高也随之提高；从上向下，频率降低，音高随之降低。

蓝线靠近某个音名，只表示估计音高接近该位置。实际音高可能位于两个标准音之间，因此判断音准时还需放大显示并结合监听。

3、区分频谱颜色与蓝色音高线

频谱背景中的暖色区域表示不同时间和频率位置上的频谱成分。区域越明亮，表示该频率成分越突出。

蓝色线条表示 Audition 检测到的基频音高轨迹。Adobe 将其称为 fundamental pitch；上方黄色至红色的平行结构通常来自泛音和其他频谱成分。

某个区域很亮却没有蓝线，并不表示没有声音，而是表示当前频谱结构没有形成足够明确、稳定或可跟踪的单一基频估计。

4、理解断续和跳变的蓝色线

实际音乐中的蓝色音高线经常断续，这种现象不一定表示录音或软件出现故障。

常见原因包括：

• 音符起音和衰减阶段变化较快

• 某段声音持续时间过短

• 多个乐器或多个音符同时出现

• 基频较弱，谐波或其他声源更加突出

• 噪声、混响或伴奏影响周期结构

• 相邻分析窗口给出了不同的基频候选

在稳定的单声部有声音段或独奏乐器持续音中，蓝线通常较连续；在和弦、合奏或完整音乐中，多个音高同时存在，频谱音调显示器可能只跟踪其中一个较突出的候选，也可能在不同声部或谐波之间跳转。

因此，断续蓝线通常表示：Audition 只在部分时间窗口中得到了较明确的基频估计。

5、常见音高轨迹形态

（1）接近水平的连续轨迹

通常表示相对稳定的持续音，例如人声长音、管乐持续音或弦乐保持音。

轨迹不会绝对水平，因为自然演奏和演唱通常包含细微波动。

（2）逐渐上升或下降的轨迹

表示音高连续升高或降低，常见于滑音、转音和连续音高变化。

（3）规则的细小波动

在持续音附近出现相对规则的上下摆动，可能对应颤音或周期性音高调制。

判断颤音还需要结合摆动速度、幅度和实际听感，不能只凭一小段蓝线确认。

（4）短小、断续的轨迹

表示系统只在部分时间范围内检测到较可信的音高，常见于短音符、弱音、复杂伴奏或多声部音乐。

（5）突然跨越较大音程

可能表示真实的旋律跳进，也可能是检测结果从基频跳到某个谐波，或从一个声源切换到另一个声源。

遇到这种情况，应结合频谱背景、相邻轨迹和听觉判断进行确认。

6、阅读频谱音调显示的基本顺序

实际分析时，可以按照以下顺序进行：

（1）先通过波形确定声音事件的时间位置。

（2）观察暖色频谱区域，判断主要频率结构和谐波分布。

（3）观察蓝色线，判断系统检测到的主要音高及其变化。

（4）检查轨迹是否连续，是否存在不合理跳变。

（5）结合监听确认轨迹是否与实际旋律、音准和声音来源一致。

频谱音调显示器提供的是分析线索，不能代替听觉判断或乐谱分析。

四、频谱音调显示器的实际应用

1、分析单声部人声

单独录制的人声通常具有较明确的基频轨迹，因此适合使用频谱音调显示器观察：

• 持续音是否稳定

• 滑音和转音是否平滑

• 音高是否逐渐偏移

• 颤音的速度和幅度是否规律

人声中的清音和爆破辅音通常缺少稳定的声带周期；气声中的周期成分也可能较弱，因此蓝线可能暂时消失或变得断续。这并不表示相应片段没有声音。

2、分析独奏乐器和旋律

具有较明确音高的独奏乐器，例如长笛、小提琴、吉他单音或管乐器持续音，通常可以形成较清晰的音高轨迹。

通过轨迹可以辅助观察音符连接、滑音方向、持续音稳定性和局部音准。

钢琴等声音起音明显、随后快速衰减的乐器，蓝线可能只覆盖音符的部分持续时间。

3、分析完整音乐时保持谨慎

完整音乐通常同时包含旋律、和声、低音、打击乐和混响。

频谱音调显示器叠加的是基频音高估计，并不等同于多声部转谱工具。在和弦或合奏中，它未必同时显示所有实际音符，也不能保证蓝线始终对应主旋律。

分析完整音乐时，应将蓝线视为局部的主要音高线索，并结合：

• 频谱频率显示

• 分声道观察

• 循环播放

• 独奏或分轨素材

共同判断。

4、辅助音高修正

频谱音调显示器本身用于观察，不会自动修改音频。

需要进行可视化音高校正时，可以使用“效果 > 时间与变调 > 手动音调更正（处理）”。在该效果中，原始基础音调以亮蓝色显示，更正后的音高以亮绿色显示。

典型流程如下：

（1）观察原始蓝色音高轨迹。

（2）确定需要修正的时间范围。

（3）设置目标音高和过渡方式。

（4）比较蓝色原始轨迹与绿色更正轨迹。

（5）监听修正后的自然度和音乐效果。

标准音符位置只能提供参考。实际演唱和演奏可能包含滑音、装饰音、颤音和有意的音高偏移，不应机械地将所有轨迹拉到固定音高线上。

小结

频谱音调显示器在频谱背景上显示 Audition 估计的基频音高轨迹，适合分析人声、独奏乐器和旋律变化。蓝线断续或跳变可能来自短音、多声部或检测不确定性，应结合频谱、波形和监听结果综合判断。

“点赞有美意，赞赏是鼓励”