錄音教材產品后期制作中的語音信號預處理

唐舒巖

（人民教育電子音像出版社有限公司錄音編輯部，北京 100081）

錄音教材產品后期制作中的語音信號預處理

唐舒巖

（人民教育電子音像出版社有限公司錄音編輯部，北京 100081）

詳細論述了錄音教材產品編輯加工中使用數字音頻工作站對語音信號進行預處理的對象、類型以及方法，為高質量的錄音教材產品后期編輯加工提供了有力的理論依據與技術手段。

錄音；預處理；信號；刪除；修復；失真

高質量的錄音教材產品的前期錄制可以有效地控制錄音信號中的噪聲以及其他無效信號成分的比例，同時減少錄音中不良聲學效應對音質產生的不良影響，但是某些信號噪聲和不良聲學效應的產生在實際錄制過程中是很難完全避免的，這可能與語言素材在前期錄制中傳聲器的擺位、教材文本的內容類型以及錄制方式等諸多因素相關。這些問題會導致前期錄音的素材在后期編輯中無法直接進行剪輯加工，所以，應預先對其做必要的優化處理。錄音教材產品后期編輯加工中的語音信號預處理主要包括采用音頻技術手段對前期語言錄音素材進行技術處理、去除信號中的噪聲和多余無效成分、減少錄音中不良聲學效應的影響，使之符合錄音產品對語音信號聲音質量的基本要求，便于對其進行后期剪輯加工。

隨著多軌錄音工藝以及計算機數字音頻工作站在錄音教材制作中的廣泛應用，越來越多的技術手段可以被應用于語音信號的音頻預處理。而充分合理的語音信號預處理可以彌補前期錄音中的技術漏洞，提高錄音素材的聲音質量，并為后期剪輯加工提供良好的信號素材基礎。

根據預處理對象的類型及其成因的不同，語音信號的預處理主要包括信號的刪除、修復和改善。信號的刪除主要是針對那些在錄制過程產生的無效和棄用的音頻素材；信號的修復主要指的是對于錯誤信號的糾正和重建；而信號的改善則主要針對信號音色中不良成分的刪除和優化。以下將對這三種類型信號預處理的對象以及方式進行分別論述。

1 信號的刪除

通常情況下，由于拾音方式以及聲源本身的原因，在語言前期錄音中會產生大量最終不需要的音頻信號，其中包括聲道串音、聲源雜音以及無用素材，這些信號通常和正常語音信號混雜在一起，在對語音信號進行后期剪輯之前，應將其與正常信號區分出來，并加以刪除。

1.1 聲道串音

典型的聲道串音一般發生在采用同期多軌錄音方式的前期錄音素材中，在雙人或多人錄音時，由于同時使用多支傳聲器對不同的聲源進行拾音，拾取各自語音信號的傳聲器也會拾取到其他傳聲器拾取對象的語音信號，從而產生一定的聲道串音。由于拾音距離較遠，傳聲器串音的直混比較低，含有大量房間反射聲，直接合成就會影響原有信號的清晰度。同時，聲道串音也會由于與原有信號的聲程差而產生較為明顯相位干涉，形成梳狀濾波效應。

通常情況下，當多個語音聲源同時發聲時，聲道串音無法通過后期處理完全去除，只能通過前期錄音時的傳聲器設置進行有效的聲道隔離，從而減少聲道串音的不良影響，如采用同期多軌錄音時兩支傳聲器拾取的信號之間產生聲道串音，如圖1中的圈內部分。單一聲源發聲時，聲道串音是可以去除的，此類情況常見于教材文本中情景對話的錄制。

1.2 聲源雜音

聲源雜音主要來自于錄制主體本身，由于播音者本身的發聲以及呼吸習慣，在錄音時可能會產生口唇部位的雜音和不自然的呼吸聲，同時，錄制過程中翻閱錄音文本時產生的雜音也會被傳聲器拾取到。此類雜音常常產生于較短的語音信號間隙中，并與語音信號結合得比較緊密，如圖2圈內部分。因此，聲源雜音在前期錄音中往往容易被忽視，甚至有時在后期音頻加工中也還需要對錄音信號的波形圖進行放大并反復監聽后才能鑒別到。

1.3 無用素材

當播音員出現誤讀、錯讀、漏讀錄音文稿，以及在朗讀文本的間隙翻看錄音文稿時，會產生大量無用素材，一般情況下在前期錄音中需要停機進行必要的刪除。這種剪輯式與插入式的錄音模式主要適用于那些素材文本篇幅較短的前期錄制，這樣可以減少后期剪輯加工的工作量；而在錄音教材文本篇幅較長、錄音內容較多的情況下，為了節省前期素材錄制的時間以提高錄音的效率，實際錄音中往往采用不停機錄音的錄制模式，此時，錄音技術編輯往往很難實時進行精確的素材剪輯，有時在教材文本存在多種讀音方式的情況下，還可能會在前期錄音時留下多個素材以便后期選擇使用。因此，較大部分的無用素材會存留在錄音信號中，而需要在后期編輯加工的流程中刪除。無用素材在前期錄音信號中占有的比重主要取決于播音員的專業水準以及對錄音文本的熟悉程度，在前期錄音的審聽中，教材文本的內容編輯需要做好錄音記錄，對無用素材的錄音位置進行標注，以便有效地引導后期編輯加工。如圖3所示：無用素材在錄制波形的形態上與正常使用的素材波形十分接近，在后期編輯加工時應注意觀察和監聽，以免形成漏刪和誤刪信號。

1.4 信號刪除的方式

無論是聲道串音、聲源雜音還是無用素材，都需要通過刪除操作從原始信號中去除。使用數字音頻工作站對信號進行刪除的方式一般有兩種，即有損編輯刪除和無損編輯刪除。語音信號的預處理應選擇有效而安全的信號刪除方式，既保證有效的信號刪除操作，又不會漏刪噪聲信號或誤刪有用的信號。

1.4.1 有損編輯刪除

有損編輯刪除是指通過使用軟件的有損編輯方式對信號進行破壞性刪除操作的方法，一般是對音頻信號的波形進行不可逆的刪除，亦可稱為“靜音”。如圖4顯示了同一信號素材在經有損編輯刪除前后的波形圖示。有損編輯刪除具有不可撤銷的特點，一旦保存文件后誤刪信號就無法進行恢復，但此種方式使用時并不破壞音頻事件的完整性以及相互關系，比較適用于去除素材信號中波形特征較為明顯的聲道串音以及聲源雜音。

1.4.2 無損編輯刪除

在后期編輯加工中，無損編輯方式進行信號刪除常被用于大段的無用素材。由于采用非破壞性的刪除操作，原始音頻數據仍記錄在軟件的素材庫中，當出現誤操作時，可以及時恢復原來的數據。在數字音頻工作站中，無損編輯刪除一般通過兩種方式實現：音頻事件的刪除與音量自動化刪除。音頻事件的刪除指直接刪除無效信號所在區域的音頻事件。由于只是刪除音頻事件而非對原始波形進行破壞性修改，因此，該方式可以通過恢復音頻事件來進行糾錯。如圖5所示，通過音頻事件刪除原始錄音素材中的兩處無用素材，信號波形周圍的實線區域顯示了該音頻事件的大小。

而音量自動化的刪除方式在操作上較為復雜，這種方式是通過音頻工作站的音量自動化功能在無效素材相應的時間區域繪制音量變化曲線，使得在該區域內的音頻信號電平最小化，進而達到去除此處音頻信號的目的。繪制音量曲線需要耗費一定的時間，但操作結果十分直觀，方便檢查是否出現刪除錯誤，當出現誤操作時，可以通過恢復自動化曲線來達到糾錯的目的。圖6顯示了在兩處無用素材信號的時間區域內繪制的相應的音量自動化曲線。使用此種方式進行信號刪除時需要注意將音頻事件軌道與自動化軌道相互關聯，以防止由于音頻事件移動導致其在時間上無法與相應的自動化曲線對應。

2 信號的修復

信號的過載失真常發生于前期錄音中，其中主要包括由于傳聲器瞬態過載和模數轉換過程中信號的削波失真。過載失真信號所產生的噪聲會嚴重破壞錄音信號的質量，甚至造成正常語音信號的缺失。在通常情況下，前期錄音時應及時調整傳聲器的設置以及前置放大器的增益，以避免此類噪聲的產生，一旦出現問題應及時暫停錄制并進行必要的重錄和補錄。但是，由于此類噪聲一般發生在較短時間內，特別是傳聲器瞬態失真產生的過載噪聲，十分容易被遺漏而滯留在前期錄音素材中。在無法進行補錄的情況下，常常需要在后期編輯加工中對此類信號成分進行必要的修復。

2.1 傳聲器的瞬態過載失真

當傳聲器膜片距離播音者較近時，播音者的某些發音會產生較強的氣流聲，這種氣流會使傳聲器振膜出現瞬態失真，從而形成中低頻段的“噴口”噪聲。“噴口”噪聲在前期錄音中的發生具有不確定性，一般會出現在一些語言發音中的爆破音，如：在英語發音中，帶有p、t、k、f等輔音字母的單詞發音很容易造成傳聲器的瞬態過載。傳聲器的瞬態過載失真可通過在前期錄音中改變拾音距離和拾音角度的方式加以避免，但有時少量的瞬態失真容易被忽略，需要在后期編輯中對失真進行修復。如圖7所示，“噴口”噪聲通常會隱藏在正常的信號中，從信號波形上看呈不規律的形狀，放大后類似連續的脈沖信號。

2.2 數字削波失真

數字削波失真信號的噪聲主要指由于在前期錄音時傳聲器輸入增益過大，位于峰值部分的信號超過了數字系統的最大滿刻度數字電平，從而產生了采樣波形的缺失，最終形成一種中高頻的刺耳噪聲。數字削波失真的發生通常與數字系統的電平動態儲備有關，通過降低傳聲器的前置增益和使用信號壓縮器的方式可以有效避免數字失真。但有時仍有少量的削波失真會被留在錄音信號中，如圖8所示，這就需要對已經產生削波失真的信號進行有效的還原修復。

2.3 信號修復的方式

在數字音頻工作中，信號修復主要是通過音頻軟件實現的，包括頻率修復和振幅修復兩種方式。頻率修復方式主要應用于傳聲器瞬態失真的信號修復，而振幅修復方式則用于數字削波失真的信號重建。

2.3.1 頻率修復方式

頻率修復方式指的是通過特定截止頻率的高通濾波軟件，對傳聲器瞬態失真信號進行處理，去除其中的“噴口”噪聲。根據語音信號的頻譜范圍，采用截止頻率在150 Hz以內的高通濾波處理，不會對原有信號的音質產生過多的影響。圖9顯示了帶有“噴口”噪聲的原始素材信號以及通過帶有150 Hz截止頻率的高通濾波器去除“噴口”噪聲之后的素材信號。

2.3.2 振幅修復方式

振幅修復方式主要是通過音頻插件對原有信號的振幅進行修復，使之恢復正常的信號形態。這種方式主要用于消除錄音中由于信號在輸入端過載而產生數字削波失真噪聲。在數字音頻工作站中具備過載信號修復功能的軟件可以實現對于削波失真信號的修復以及噪聲的去除。如圖10所示，利用音頻修復軟件將一處過載信號進行修復以消除失真噪聲。需要注意的是，這種利用軟件實現的修復刪除只是通過軟件內部對音頻信號的振幅進行還原運算，模擬了原始波形，從而達到去除噪聲的目的。在實際工作中，在前期錄音中控制好錄音電平才是避免信號在模數轉換中過載失真的合理方式。

3 信號的改善

錄制清晰的語音信號以便于聽者學習，是語言錄音教材產品錄制加工的首要目的，信號音質的改善可以有效地提高語音信號的清晰度和可懂度。在語音信號的預處理中，對信號的改善是指緩解和消除前期錄音中的不良聲學效應對信號音質產生的不利影響，主要包括近講效應與嘶聲的消除。

3.1 近講效應

近距離拾音可以捕捉聲音的細節，從而大大提高拾取信號的清晰度，特別是對于錄音教材的錄制來說，清晰的語音信號可以提高語言的可懂度，從而幫助學習者更好地學習語言的發音，理解語言的含義。但為了避免產生過多的聲道串音，同時盡可能少地拾取房間反射聲，語音信號的前期錄音中常用到以心形指向傳聲器為代表的復合式傳聲器。因此，近距離拾音所產生的近講效應在前期錄音時難以避免。由近講效應所引起的語音信號中低頻成分的過度增強，會削弱近距離拾音所帶來的信號清晰度。如圖11所示，某語音信號由于拾音距離較近而產生近講效應，可以看到該信號在低頻段60 Hz～250 Hz之間有明顯的提升。為了緩解近講效應對語音信號清晰度的破壞，應進行必要的信號預處理，消除近講效應的不利影響。

3.2 嘶聲

嘶聲是指在錄音過程中播音者發音氣流與其牙齒及口唇摩擦產生的高頻雜音。嘶聲的產生與播音者的發聲特點密切相關，通常情況下女聲多于男聲；此外，它還與發音的內容相關，如：漢語中帶有聲母z、c、s的漢字，在發音時容易產生嘶聲，如圖12。嘶聲的產生并不會影響語音信號的清晰度，但語音信號中過多的高頻成分會惡化音質，刺耳的語音信號會導致聽音者在短時間內產生聽覺疲勞，對語言的學習非常不利。此外，語音信號中過多的高頻分量還會導致后期制作中進行信號響度提升時產生的失真，這種失真有時只有通過采用四倍過采樣技術的EBU R128標準，其真正峰值表才能被檢測到。

3.3 信號改善的方式

采用均衡器對語音信號進行處理，可以有效地緩解近講效應帶來的影響，改善語音信號的音質。對于近講效應較為嚴重的信號，可采用截止頻率為100 Hz的高通濾波進行處理，必要時可增加中心頻率為200 Hz～300 Hz的峰型均衡衰減，衰減量可視情況而定，一般在3 dB～6 dB；對于近講效應影響較輕的語音信號，則可采用轉折頻率為100 Hz的低頻擱架式均衡衰減，衰減量可在6 dB～12 dB。

消除語音嘶聲同樣可以使用高頻擱架式均衡，通常可采用的轉折頻率為8 kHz，衰減量在3 dB～6 dB。但單一的高頻衰減容易破壞高次諧波分量較為豐富的語音信號，影響語音信號的清晰度。可采用專用的嘶聲消除軟件（DeEsser）對帶有嘶聲的信號進行處理，如圖13所示。使用此類軟件處理可以在保證不破壞原有信號音質的前提下，有效地去除語音信號中的嘶聲，達到改善音質的目的。

4 結語

前期錄音中語音信號的預處理，是保證語言類錄音教材產品后期編輯加工的先決條件，其目的并不是美化信號，而是對語音素材信號進行規范化。在處理的過程中應盡可能地保證原始錄音素材中內容的完整性、語言表達的流暢性以及音色的統一性，以不破壞聲音的自然屬性為原則。

保證內容的完整性主要指在信號刪除處理時做到“聽”與“看”相結合，仔細地監聽、鑒別應刪除信號的位置，認真地觀察信號波形的形態，避免無效信號與保留的錄音文本內容信號之間出現混淆，導致漏刪噪聲信號或誤刪有用信號，在必要時盡量使用無損刪除方式，最大程度地保留原始數據，為修改留出余地。在實際操作時，由于大部分需要刪除的信號以及應保留信號的音頭和音尾信號都屬于低電平信號，常因計算機音頻工作站軟件的波形顯示精度不夠而無法顯示明確，此時，可將原始素材信號的波形幅度顯示適當放大，看清所需刪除信號的邊界后再進行操作。如圖14所示，同一素材信號的波形在經過振幅顯示放大后可以清晰地看到聲源雜音所在位置（箭頭所指處）。

保證語言表達的流暢性主要指在刪除操作時不破壞原有語言表達的呼吸，保持自然的語言節奏。原則上說，語音間隙的自然呼吸信號應盡量保留，刪除信號時，在保留信號的開始與結束的位置，要留出一定的空間來保證原有的呼吸不被刪除；在不得不破壞原有語言呼吸節奏的情況下，應使用“淡入”和“淡出”功能盡可能地減少人為編輯加工的痕跡。如圖15所示，以刪除某錄音素材中的聲道串音信號為例，圖15（1）顯示信號中原有聲道串音的形態；圖15（2）中直接采用了音頻事件刪除的方法去除了該素材信號中聲道串音，同時在各個音頻事件的頭尾保留了一定的長度，保證了音頭和音尾的自然呼吸；圖15（3）則是使用了音頻事件的“淡入”和“淡出”功能部分刪除語言呼吸信號，結果顯得更為自然。

另外，在使用效果軟件對信號進行修復和改善時，由于原有信號的頻譜產生了改變，會導致信號的相位失真以及音色的改變，為了保證前后信號在音色上的統一，在實際操作時，應盡可能地縮小信號濾波和修復的范圍，以減少處理的痕跡。在對信號做頻率和振幅的改變操作時，應明確只做“減法”、不做“加法”，即只做衰減處理、不做增益處理，這樣可以最大程度地保證信號的原始形態，并為之后的編輯加工留出一定的余地。

唐舒巖，碩士，高級編輯，現就職于人民教育電子音像出版社有限公司錄音編輯部，主要從事音樂和語言錄音產品的錄制和后期編輯工作。

（編輯 薛云霞）

Preprocessing in Post Production of Language Teaching Materials

TANG Shu-yan
(Record Editing Department, People's Education Electronic Audio and Video Press Co., Ltd., Beijing 100081, China)

This paper discusses the object, type and methods of preprocessingin post production of language teaching materials with digital audio work station in detail. It provides a strong theoretical basis and technical means for the high quality of language t eaching materials products.

recording; preprocess; signal; delete; repair; frequence; distortion

10.3969/j.issn.1674-8239.2015.06.006