音色与声谱图

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。

一般来说

1. 泛音越充分的声音越饱满。

2. 低频泛音越充分的声音听起来越“厚实”,越“有力”。

3. 高频泛音越充分的声音穿透力越强,声音听起来越“亮”,越“尖”。

4. 高低频都有并且合理分布的声音,就是比较完美的声音。

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。

频谱/声谱图是如何制作的

此段很学术,没兴趣的可以略过。

我们都知道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,那肯定是看上去一大坨,类似这样:

放大几十倍之后,大约能看出波形,类似这样

无论哪种都不适合研究。

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:

最后,频谱图/声谱图的wiki链接

链接出处

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。

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。

点看全图

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

点看全图

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。

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:

点看全图

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:

点看全图

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。

如何自己看图?

对不起,我的软件不能外传,因为一旦落入别有用心的人手里,后果堪忧,比如这个http://tieba.baidu.com/p/2795531384

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。

对我有质疑的话,可以用如上的办法自己看图,看看跟我的图是不是一样。

 

 

音色与声谱图》有17个想法

  1. 请问我看我自己的声谱图 在基音上面还有7-9个泛音 hz都是基音的整数倍左右 为何那么多 是因为录音的时候开了混响 以及做后期的时候调了均衡器等原因么 是不是效果全关的时候再录就没那么多泛音了?

    1. 正常说话就是这么多啊。泛音数量取决于音高。音高越低,则泛音潜在数量越多。使点劲唱歌/说话那就泛音数量很多了。

  2. 阿妹的E5.5说法不太好,推导方法也不太好。
    我会这样估计:
    因为 F6 大约在 (4188,4886) 的3/4处,所以:
    F0 = (4188+(4886-4188)*3/4)/7 = 673
    P = 69+12*log2(F0/440) = 76.35
    而 P(E5) = 76,故阿妹应该是比E5高了大约1/3个半音。

    不错的文章,赞!

  3. 问一下站长啊,能不能说一下你自己编的程是用什么语言的?调用了什么库吗?最近研究把音乐转成五线谱,感觉这篇文章很有用,但是编程怎么处理音频感觉无从下手……虽然你的软件不外传,但是讲讲这些可以吧,求教啊!

      1. 好的,我看到了,但是我只看得懂CSharp和Cpp啊,JS,H5看得有点头大,好像是H5的Audio API?院长之前本地版频谱编程用的是什么语言?能不能推荐一个处理音频的库什么的?之前从来没有编程处理音频的经验诶……求指点

          1. 好的,谢谢!Java的音频库名字能不能说一下?Java和C#语法很像,我也能凑合着编一个程序。如果有C#的处理库能推荐一下就更好了!

发表评论