spectrum：音频（三）音色与spectrum 频谱图

泛音的种类和多少决定了音色

为什么有的人声音听起来暗，有的人听起来亮？事实上即使是唱同一个音高，大家的音色也天差地别，差别就在泛音上了。

1. 泛音概念

一般来说

声乐理论里，一般把低频泛音叫低位置共鸣，高频泛音叫高位置共鸣。

频谱图／声谱图

频谱图/声谱图是观察泛音的最好办法。

相信看了第一章的频谱图演示，应该已经很清楚频谱图的含义了

频谱图就是描述在某一时间点上，各个频率的声音分布情况。这张图自己就解释的很清楚了吧~

然而，频谱图只能描述某一时间点，不能表达一段时间的情况，所以把频谱连续的画到一张图里，就有了声谱图（这个翻译有点蛋疼）。

此图由两部分组成，上半部分为声谱图（Spectrogram），下半部分为频谱图（Spectrum）。

先看上图：

横坐标是时间，纵坐标是频率值，同一时间的纵线上存在着数个波，重合而成最终的波。颜色越亮则表示波的振幅越大。混乱的背景都是伴奏，我们只观察人声线。

再看下图：

下图反映了上图的某个时间点（上图中的黄线）的频率分布。横坐标为频率，纵坐标为振幅。这个图更有利于直观的观察泛音的成分和强弱。

2. 频谱／声谱图是如何制作的

原始的声音是波形图，不过原始的波形图并没有太大研究价值，而且事实上也看不出“波形”。因为震动频率太高，比如帕瓦罗蒂的high c吧，500多的震动频率，表示一秒钟要震动500多次，类似这样：

放大几十倍之后，大约能看出波形，类似这样

上述两种都不适合研究。

所以音频解析的过程是：取连续采样点，一般是4096个点，考虑到音频文件的采样率一般是44.1k，所以就是取了1/10秒之内的数据。然后对这4096个点作做快速傅里叶变换,就得到了频谱图。频谱图的信息是4096个点，每一个点对应的是这个频率上的振幅。

频谱图反应的是在这个时间点上的频率分布情况。

严格的说应该是这1/10秒内的平均情况。

来一张典型频谱图，看看跟我的图下部是不是一回事：

将当前时间点的频谱画到声谱图里就得到了瀑布图（第二章视频中的图）。画法是：振幅越大的点，用越亮的颜色。

纵坐标是频率，从下到上大约是0到6000。

所以一个人唱了个C5，那他的基频就大概是500，第一泛音是1000,第二泛音是1500，画到声谱图上的结果就是从下到上每隔500画一个点，根据振幅有颜色的区别。

随着时间的推移，声谱图会不断向右延伸，这样我们就得到了一段时间内频率分布图。比如一个C5的线在声谱图上水平延续了5秒，那表示该歌手唱了C5五秒。

声谱图上类似“波”的东西是颤音，也就是歌手演唱中不断改变音高，所以自然会不断改变纵坐标。

来一张wiki的声谱图：

3. 声谱图上出现的水平线有什么意义？

水平线表示一个歌手在某个音高上持续了一段时间。越亮的线表示振幅越大，听感上当然就音量大了。

直线就是一个长直音。考察长直音主要看稳定度，整个线越直则这个长音越稳，如果大抖就是破音，如果小抖就是不稳。如果歪了，那就是音准没把握好。

波浪线就是颤音。波浪越大则颤音越大。看颤音也是看稳定度，如果颤的不稳就是气息出现问题，控制不好。

4. 如何看共鸣？

看泛音主要看三点：丰富与否；分布情况；泛音的音量。

一般来说，所谓的泛音强弱都是和自己的基频来比的（或者是跟伴奏比）。因为音频文件的音量是可以调的，单纯看泛音大小没多大意义，以基频为参照才比较有实际意义。（低频的共鸣情况取决于元音的类型，每一个元音都有其特定的共鸣特性。一般来说，基频被共鸣强化的情况比较少。）

可以看到，此例中第一泛音巨大（看多了就知道，一般都是第一泛音最大），在3000左右的三个泛音也很强。

另一种观察方法就是和伴奏比，人声线越明显则人声越强，越能穿透伴奏。

如上图，左边张雨生的人声线显然更明显。右边那英的线就不明显多了，混在伴奏里。

再来看另一个例子

后知后觉对比版

http://v.youku.com/v_show/id_XNjI1NTAxMzQ4.html

张雨生后知后觉清唱“你不辞冰雪”，竟然有如此大的高频泛音！

要知道，这可是清唱，中音区！唱高音的时候鼓足了气，有很大的共鸣很正常，但唱低缓的主歌，竟然也能爆出这么大的泛音！只能说宝哥太逆天！

下面，请出阿妹躺枪：

点看全图

(图中竖线为背景音，就是那个类似指响的声音)

泛音少太多了。。。。

听感上也是很显然的，阿妹的音色暗的多，而宝哥的非常的清亮。

当然，必须要说明：宝哥占了cd版的优势。不过我们关注的是最终听感，声音经过怎么处理并不是我们关注的重点。这个例子很好的对比了泛音对音色的影响。

5. 如何看音准？

我的软件特别加了标准音高线，以及标准的泛音线，所以可以很清楚的看清音准：

蓝色标准线比较暗，大家仔细看。。（太亮的话会干扰声音线）

下面有请躺枪天后阿妹展示一下音准不好是什么样的：

很明显，比E5高，越到高频差得越远。（高频会放大差值）

点看全图

提高1key看看，又低了。这次差得更远。

所以可以判定，阿妹唱到了E5 . 5。

再看几个例子

点看全图

帕瓦罗蒂大师，堪称全频段制霸了。大家都知道帕瓦罗蒂的C5是无敌的。

点看全图

磊叔传说中的五百年。也差不多全频段制霸了。

多说两句：

上面的例子看的很明显吧，人声基本都本着标准的

基频／第一泛音（基频的二倍）／第二泛音（基频的三倍）／….

来的。自然界物体振动发声，绝大多数都是这样的。

想自己看图最方便的是foobar:

通过点击 View（视图） > Visualizations（可视化） > Spectrogram（声谱）

可以调出声谱view，再播放音乐的时候，声谱就会即时出现了。

类似的，Spectrum就是频谱图。或者Spectrogram这个软件也不错。