自动混音：把人声混进伴奏
放入伴奏、人声录音或两者都放，自动调整音量、修正音色、压缩、消除齿音、加混响，需要的话自动修音，最后母带处理成完整作品。所有旋钮都会在录音棚式的调音台上替你设好，你可以继续调整每个推子、均衡和压缩。每一项设置都来自 144 首专业混音的实测，不是猜的。你的音频不会离开你的设备。
- 音频不离开你的设备
- 调音台、自动修音、均衡、压缩
- 下载 −14 LUFS 的 WAV
1. 放入你的文件
伴奏
伴奏、卡拉OK 或纯音乐
主唱人声
你的人声录音
和声
可选
参考曲
可选：一首你喜欢的歌，音色会向它靠拢
MP3、WAV、FLAC、M4A、OGG · 最长 10 分钟
2. 选择风格
风格是听感建议，不是测量结果。「自然」完全等于测量得到的设置。
至少放入一个文件：伴奏、人声或两者。
用途
- 把你翻唱的人声放到卡拉OK伴奏上，得到一首完整的歌。
- 没有混音师时，把小样录音做成成品。
- 单独处理清唱或旁白人声，或单独给一段伴奏做母带。
- 把人声分离或 AI 翻唱得到的伴奏和人声重新混在一起。
使用方法
- 放入伴奏、人声录音或两者。和声和参考曲放进另外两个框。
- 选择一种风格（流行、抒情、T-Pain……），或保持自然：完全按测量结果。
- 点击自动混音，对比处理前 / 处理后，按耳朵调好滑块，然后下载混音。需要调每个旋钮？打开调音台。
在回声少的房间录音，嘴离话筒约一拃，音量不要大到电平表变红。音色和音量可以修正，房间回声和已经失真的录音无法修复。
常见问题
- 自动混音会做什么？
- 依次为：切除 80 Hz 以下的嗡嗡声，乐句之间降噪（仅在测到底噪时开启），自动修音（如已开启），人声均衡，齿音消除，压缩，加混响，平衡人声与伴奏，人声出现时轻微衰减伴奏 2.5 kHz 附近让歌词更清楚，按参考曲匹配音色（如有），最后母带处理到 −14 LUFS，真峰值不超过 −1 dBTP。每个步骤都可以关闭。
- 只有人声或只有伴奏怎么办？
- 只有人声：处理人声（滤波、均衡、齿音消除、压缩、混响，开启时加自动修音）后做母带，适合清唱或旁白。只有伴奏：只处理响度和峰值，不改变音色，因为每种曲风都不一样，没有一个共同标准可以把伴奏拉过去。想同时调整音色，请加一首参考曲。
- 这里的自动修音能做什么？
- 每 10 毫秒检测一次音高，拉到最近的音，或拉到你选的调、自动检测到的调中的音。“轻度”只移动每个音的中心，保留颤音；“强力”把每一刻都压到音上，做出机器人声。在一段跑调 30 音分的真实人声上实测：修正到 12 音分（轻度）和 6 音分（强力）。代价是声音略微变粗，所以默认关闭。
- 参考曲有什么用？
- 测量参考曲和你的混音的音色（每个倍频程的频谱），再把混音向参考曲靠拢，每个频段最多 ±4 dB。响度仍保持 −14 LUFS，不会照搬参考曲的响度。请选同一曲风的歌。
- “来自真实混音的实测”是什么意思？
- 我们从 MUSDB18 数据集中取了 144 首人声和伴奏分轨的歌曲，测量了三项：人声相对音乐的响度、人声在每个倍频程的频谱、以及人声带有多少混响。均衡只修正你的人声落在这些混音中间一半范围“之外”的频段；人声本来就好，就不去动它。
- 为什么默认人声比音乐更响？
- 这 144 首歌大多是欧美流行和摇滚，人声比音乐低 −2.2 LU（中位数）。我们分离并测量的一首真实越南歌曲，人声反而比音乐高 2.3 LU。这类样本还少，所以默认让人声清晰；想让人声融入音乐就把滑块往左拖。
- 我的音频会上传到服务器吗？
- 不会。每一步都在你设备上的浏览器里运行，不会发送任何副本，所以关闭标签页就没了：请先下载混音。
- 为什么是 −14 LUFS？
- 这是 YouTube 和 Spotify 做响度标准化时使用的电平。更响的歌会被调小，所以母带做得更响只会损失动态，听起来并不会更响。
- 人声和伴奏节拍没对齐怎么办？
- 使用人声通道条上的“Offset”插槽，每格移动 10 毫秒。需要剪切、移动片段时，混音后点“打开时间线”：处理好的各轨已经载入，可以手动拖动和剪切。
这个工具能做什么
放入一段伴奏、一段人声录音，或两者都放；如果有和声人声，也可以一起放进来。工具会先测量每个文件，然后滤波、修整音色、压缩、消除齿音、加混响，平衡人声与音乐，最后把一切母带处理成完整的 WAV。它选定的每一项设置都会显示在录音棚式的调音台上，你可以继续调整，也可以原样保留。
所有处理都在你的浏览器里运行。没有任何东西上传到服务器，所以一段尚未发布的录音从头到尾都留在你的电脑上。
处理链，按顺序
- 人声先做低切，截止频率根据这条人声的最低音高来设定（70 到 160 Hz）。
- 乐句之间降噪，只在测到真实底噪时才进行。干净的人声会跳过这一步。
- 自动修音，前提是你打开了它。
- 倍频程均衡：只修正落在专业混音中间范围之外的频段，而且只修到那个范围的边缘，这样就不会把每个声音都涂成同一种颜色。
- 齿音消除和两级压缩，再加一点温暖感。
- 混响逐步调整，直到人声的立体声宽度与真实混音的中位数一致；回声跟随伴奏的速度。
- 人声与伴奏的平衡，然后在人声演唱时，把伴奏在 2.5 kHz 附近轻轻压低一点，让歌词不被淹没。
- 母带处理到 −14 LUFS，真峰值不高于 −1 dBTP。
目标值从哪里来
这些目标值是在一个包含 144 首歌的公开分轨数据集上测出来的，都是由人完成的混音，每条音轨都可单独获取。在这个数据集里，人声比音乐低 2.2 LU（中位数；一半歌曲落在 −4.3 到 −1.0 之间）。我们没有拿本站自己的 AI 歌曲来定目标，因为那样测的是机器怎么混，而不是人怎么混。
越南流行乐倾向于把人声放在上面：本站的 AI 歌曲测得 +1.9，一首真实的越南歌曲测得 +2.3。所以默认值把人声放在音乐之上 2 LU，滑块可移动 ±4，并在 −2.2 处有一个标记，表示数据集的中位数。坦白说：越南语样本目前只有一首歌。
四种模式与调音台
| 你提供的内容 | 工具的处理 |
|---|---|
| 伴奏和人声 | 处理人声，与伴奏平衡，做母带 |
| 只有人声 | 处理人声，加混响，做母带；和声比主唱低 6 LU |
| 只有伴奏 | 只处理响度和峰值。刻意不对伴奏做自动均衡，因为每种风格都不一样 |
| 再加一首参考曲 | 按你选的歌匹配音色，每个频段最多 ±4 dB；响度不照搬，保持在 −14 LUFS |
共有七个预设。「自然」预设与工具选定的设置完全相同，而 Lo-fi 的母带更轻，测得为 −16 LUFS。在调音台上，推子、声像、静音和母带目标都会在你试听时即时生效；改动某个插件设置，只会重建那一条通道。你可以在相同响度下对比混音版和原始叠加版，这样更响的版本就无法骗过你的耳朵、让它听起来更好。
自动修音：轻度、中度、T-Pain，以及代价
工具会检测歌曲的调性。轻度移动每个音的中心并保留颤音；T-Pain 会瞬间把音高拉准，得到那种熟悉的机械感声音。在一段跑调约 30 音分的真实人声上，一个独立测量工具读出：轻度修正后为 12.3 音分，强力修正后为 6.5 音分。T-Pain 设置达到 87%，接近同一测试中测得的 89% 理想上限。
代价是声音会略微粗糙一些：jitter 上升约 0.2 个百分点，谐波清晰度下降 0.5 到 0.8 dB。所以自动修音默认关闭，只在唱得不准时才值得打开。对于本来就唱得准的声音，轻度模式几乎不会改变什么。
需要多长时间
一首带和声人声的 4 分钟歌曲，在我们的测试机器上混音大约需要 10 到 12 秒；最后导出再加约 2 秒。由于一切都在你的设备上运行，电脑越慢耗时越久，但永远不需要排服务器的队。
局限
- 它救不了失真或削波的录音；它能做的是在合理范围内平衡、上色和清理。
- 均衡只修正与真实混音相比明显偏离的频段。想要某种特定的声音，请用参考曲，或在调音台上手动调整。
- 人声与音乐的电平基于一个以非越南音乐为主的数据集；越南语样本目前只有一首歌。
- 与伴奏不同步录下的人声不会被自动对齐；有一个偏移旋钮可以手动挪动。
- 文件最长可达 10 分钟。
常见问题
我的音乐会上传到服务器吗？
不会。每个环节都在浏览器里运行，WAV 也是在你的设备上生成的。关掉标签页，什么都不会留下。
我只有一首已经混好的歌，能拆开重新混音吗？
可以。先用人声分离分出伴奏和人声，再把两者都带到这里。
输出的文件能直接上流媒体平台吗？
响度 −14 LUFS、真峰值不高于 −1 dBTP，是流媒体常用的电平。在 10 个测试文件中，工具的响度表有 10 个与一个独立响度表一致，误差在 0.05 以内。
调音台真的会改变导出结果，还是只是摆设？
会改变导出结果。在我们的测试中，把人声通道静音后导出，导出文件与伴奏的相关度从 0.723 升到 0.994，说明这个文件确实就是去掉人声的伴奏。更多关于混音的内容，请看博客。
相关研究
想从零开始手动混音？
在线混音台可以拖动、剪切，并调整每一轨的音量和声像。
打开混音台