录音是采集声音或代表声音的电信号、数字信号,并加以存储,以便日后重放或研究的过程。录音可以保存语音、音乐、环境噪声,也可以保存完全由电子乐器和软件生成的信号。所存储的声音可以表现为沟槽、磁性图样、光学声轨或数值数据。录音与实时传输不同:传输是在不同地点之间传递信号,而录音则使信号在产生的瞬间过去之后仍能留存。
自十九世纪以来,录音改变了表演、广播、科学观测以及日常生活的记录方式。它使一场表演能够跨越时间和距离,传达给不同的受众;让转瞬即逝的声学事件得以反复分析;还可以将声音拼接组合,形成从未在现场连续发生过的声音作品。录音技术也会影响最终保存下来的内容:麦克风、房间、存储介质、编辑系统和播放设备,都会影响最终记录的声音。
录音领域兼具工程技术与文化实践两方面的内容。其技术基础包括声学、换能、信号处理和信息存储;其用途则涵盖商业娱乐、口述历史、野生动物监测和法律取证等领域。尽管当代录音制作主要采用数字技术,机械录音和磁性录音仍是重要的历史资料与艺术媒介,其保存工作也依然是一项重要责任。
声学录音与可重放声音的出现
最早的录音设备未必能够重放所记录的声音。1857 年,爱德华-莱昂·斯科特·德·马丁维尔为声波描记器申请了专利,这种装置可将声音引起的振动描绘在移动的表面上。膜片随声压变化而振动,与之相连的描针则刻画出可见的波形。斯科特希望这些记录能够用于声音研究,而非供人聆听。2008 年,研究人员利用光学扫描和计算重建技术,从留存的声波描记图中恢复出了可听的声音,其中包括一段录制于 1860 年 4 月 9 日的声音。记录与重放之间的这一区别十分重要:即使制作者没有实用的回放装置,一道可读取的痕迹也可以构成录音。
托马斯·爱迪生于 1877 年演示的留声机将录音与重放结合在一起。其早期形式使用刻针,在覆有锡箔的旋转圆筒上压出凹痕。声音进入喇叭筒后,使与刻针相连的膜片振动;回放时,记录表面带动刻针和膜片振动,再通过喇叭筒发出声音。后来的圆筒系统采用蜡及其他材料,使录音和复制更为实用。这项发明最根本的成就在于建立了一条可逆的机械传递链,将气压变化与表面的持久形变联系起来。
埃米尔·贝 Berliner 在 19 世纪 80 年代末研制出圆盘式留声机,其音槽通常采用横向摆动,而非许多圆筒所采用的纵向起伏调制。唱片尤其适合工业化复制:录制好的母盘可用于制作金属模具,再用这些模具压制大量副本。圆筒与圆盘两种格式共存了数十年,也都经历了重大的技术发展。二者的竞争不仅涉及音质,还涉及制造成本、录音时长、可供选择的曲目,以及发行体系的组织方式。
声学录音对表演有着严格的限制。由于没有麦克风或电子放大设备,表演者必须向录音喇叭筒输入足够的声能。为了平衡合奏中各声部的音量,需要调整表演者的位置,而且有些乐器比其他乐器更容易被有效地录制下来。因此,录音室的设计和演出编排都围绕录音装置展开。歌手与喇叭筒之间的距离可以起到原始音量控制的作用,而唱片单面的录音时长则限制了演出的长度。
这些录音并不是对原始声学事件的如实复制。喇叭筒和膜片的共振、机械阻力、音槽的几何形状以及表面噪声,都影响着最终效果。尽管如此,它们仍促成了一些延续至今的机构与惯例:唱片公司、商业唱片目录、唱片收藏活动,以及专为反复聆听而进行的演出。它们也留下了历史见证,其中音乐诠释、言语与录音技术密不可分。
电气录音、磁带与可编辑的声音
电气录音不再通过机械方式直接驱动录音刻针,而是采用由传声器、电子放大器和电驱动刻纹头组成的录音链路。1925年,各大唱片公司开始采用商用电气录音系统。传声器将声音转换为电信号,使其能够在刻录前得到放大。这减少了录音对集音号筒的依赖,拓宽了可用频率范围,使表演者的位置安排更加灵活,也让较轻微的声音得以录制。虽然电气录音并未消除刻录和重放环节的机械限制,但它极大地增强了信号存储前的可控性。
利用磁场进行录音,带来了一种不同的存储原理。1898年,瓦尔德马尔·波尔森演示了他发明的钢丝录音机 Telegraphone。在磁性录音中,录音磁头内的电流产生磁场,在移动的介质上留下随信号变化的磁化图样。重放时,存储的磁化图样通过电磁感应在重放磁头中产生电信号。钢丝录音机曾得到实际应用,但磁带最终在操作、编辑以及沿带宽布置多条音轨等方面展现出优势。
20世纪30至40年代,磁带录音技术在德国取得了显著进展。AEG公司于1935年推出了 Magnetophon 磁带录音机;与此同时,磁带制造技术的发展和高频交流偏磁技术的应用也改善了录音性能。偏磁是指在录音过程中加入超声频率信号,以减轻磁性颗粒在低信号电平下的非线性响应。配合适当的录音和重放均衡,磁带的失真大幅降低,保真度也优于早期磁性录音系统。第二次世界大战后,磁带技术广泛传播,成为广播和专业音乐制作的核心技术。
磁带易于编辑且可重复使用,因此改变了录音工作的组织方式。录音师可以剪开磁带,去除不需要的段落,再用接带胶将选定的片段拼接起来。一段表演的录音可以由多次录制的片段组合而成,而不必选用一次从头到尾不间断的录制。叠录技术和多轨录音机使人们能够在同步监听已有音轨的同时,录制新的声部。这些技术是在众多工程师和表演者的实践中发展起来的,其中莱斯·保罗是流行音乐分层录制领域的重要创新者之一。
磁性录音也带来了其特有的局限。磁带介质和录音过程会产生嘶声;走带不稳会引起称为抖晃的音高波动;卷绕后相邻的磁带层之间可能产生复印效应。反复复制通常会使噪声和失真不断累积。磁带饱和可以使信号峰值变得柔和,并增添谐波,这种效果有时也会被有意利用。因此,磁带的实用价值并不在于完全透明、不加音染地还原声音,而在于它将保真度、录制便利性、编辑灵活性和可控成本有效地结合在一起。
数字表示与存储
数字录音将随时间变化的信号表示为一串数字。在典型系统中,麦克风信号经过放大、滤波和等间隔采样后,被转换为表示振幅的数值。脉冲编码调制以约定的数值表示方式直接存储这些数值。模数转换器负责将信号转换为数字;播放时通常使用数模转换器、重建滤波器、放大电路,以及扬声器或耳机。数字数据也可以直接在软件中生成,而不以任何实际的声学事件为起点。
采样遵循采样定理。在理想条件下,如果信号的频率被严格限制在 以下,就可以根据以 的采样率等间隔采集的样本重建该信号。采样前未得到充分滤除的频率成分,可能表现为并不真实存在的较低频率,这种现象称为混叠。因此,实际系统会使用抗混叠滤波器,并在目标音频频带与采样率一半所对应的频率之间留出过渡带。现代转换器通常在内部采用过采样,以降低满足这些滤波要求的难度。
第二项主要操作是量化(机器学习):将每个测得的振幅映射到有限数值集合中的某个值。线性 位表示可提供 种编码。量化误差本身并不一定是随机的,而且可能产生与信号有关的失真,在低电平时尤其如此。在量化前加入一种经过适当选择、幅度极低的噪声信号,即抖动噪声,可以消除这种误差与节目音频之间的相关性。抖动噪声以受控的本底噪声取代某些形式的失真,但无法恢复从未被采集到的信息。
对于输入为满幅正弦波的理想均匀量化器,信号与量化噪声之比近似为
这一表达式描述的是特定的理论情形,并不保证整台录音设备能达到这样的性能。麦克风噪声、模拟电路、转换器的非线性以及信号电平,都可能缩小可用的动态范围。因此,24 位录音系统并不意味着实际录音链路的全程都能达到 144 分贝的可用动态范围。
1982 年投入商业市场的激光唱片,将消费级数字音频的标准确立为采样率 44.1 千赫兹、双声道、16 位的 PCM 格式。专业工作中也普遍使用 48 千赫兹及更高的采样率,并采用 24 位整数文件或浮点处理。未压缩的数据量取决于采样率、字长、声道数和时长:
其中, 是以字节为单位的有效数据大小, 是声道数, 是以秒为单位的时长。与模拟复制不同,复制数字文件不一定会造成信号质量的累积劣化:只要比特保持一致,其所表示的样本就保持一致。格式转换、有损编码和信号处理则是另外的操作,可能改变这些样本。
传声器、房间与录音链路
录音链路始于对录制对象的选择。传声器响应的是特定位置的声音,而不是听众仅凭双耳所感知的整个声场。它与声源的距离、朝向、指向性和频率响应,决定了直达声、反射声、背景噪声及其他声源之间的比例。例如,近距离录制小提琴时,运弓噪声和局部共振可能更为突出,而在观众席的距离听来,这些声音会以不同的方式融合。因此,传声器的摆位本身就是声音呈现方式的一部分,而不只是录音前的技术调整。
常见的传声器设计采用不同的换能机制。动圈传声器通过线圈在磁场中的运动产生电压;铝带传声器则使用一条薄导电带。电容传声器通过振膜相对于背极板运动时产生的电容变化来检测声音,并需要相应的供电和工作电路。传声器的性能取决于整体设计,而不能仅凭类别判断。指向性类型包括全指向、双向(8字形)和心形等。某些压差式传声器具有近讲效应,即在靠近声源时,低频响应会增强。
房间也是录制信号的重要组成因素。声音既会直接到达传声器,也会经过墙壁、天花板、地板和物体的反射后到达。混响是大量反射叠加形成的密集衰减声,而单独的早期反射则可能影响清晰度和声源的听觉定位。在低频段,房间模态会形成随位置而变化的波峰和波谷。吸声和扩散处理可以改变这些状况,但声学处理并不等同于隔声:减少室内反射,并不一定能阻止交通或机器噪声经由建筑结构传入。
换能之后,前置放大器会将传声器输出的低电平信号提升至合适的工作电平。增益配置将放大量合理分配到链路的各个环节,使有效信号明显高于噪声,同时避免任何一级过载。幻象供电用于为许多电容传声器和有源设备提供工作电源,在专业系统中通常采用标称48伏电压;它本身并不是音频信号。平衡连接使差分输入能够抑制两根导体上共有的噪声,从而减轻某些外部感应干扰的影响。
录音方法因声源而异。录制管弦乐团时,可以使用一组主传声器阵列,并辅以局部拾音传声器;录制架子鼓时,则可能使用多支近距离传声器,另加房间拾音通道。对白录音往往优先考虑语音的可懂度以及不同镜头之间的声音连贯性。户外录音必须考虑风噪、操作噪声、天气和远处的人类活动。声源也可以不经过传声器:电声乐器可以接入直接输入端,软件合成器也可以直接录制为数据。无论哪种情况,采集方法都会带来后期处理无法完全消除的限制。
保真度、噪声、失真与测量
录音保真度关注系统在多大程度上保留了输入信号的特定属性,但没有任何单一测量指标能够全面描述它。频率响应表征不同频率下的幅度变化;相位和时域特性则描述信号传输的其他方面。噪声测量反映信号中不需要的成分,失真测量则考察非线性行为引起的变化。对这些测量结果的解读取决于测试条件,包括带宽、计权方式、输入电平,以及录音链路中的测量位置。引用技术指标时若不说明这些条件,就可能掩盖重要差异。
信噪比用于比较有用信号与无用噪声,通常以对数形式表示。对于功率量,
对于在相同阻抗上测得、可作比较的电压值,相应表达式采用 。分贝是表示比值的单位,因此在表述绝对电平时,必须指明参考值。空气中的声压级通常以 为参考值,而 dBFS 则以数字满刻度为参考。这些标度描述的是不同的量,未经校准不能互换。
动态范围是系统可用的噪声本底与信号上限之间的范围。余量则是工作电平与过载电平之间的裕度。在定点数字表示中,超出可用范围的峰值无法被忠实存储,并可能发生削波。模拟电路级也会过载,但其表现既可能是逐渐饱和,也可能是突然削波。浮点处理可以容纳内部数值的大幅变化,但并不能消除传声器、前置放大器或转换器的物理限制。模拟输入一旦发生削波,仅仅将其输出存储为浮点文件并不能修复。
失真有多种形式。谐波失真会增添频率为输入音调整数倍的分量,而互调失真则会产生与各输入频率组合相关的分量。机械式重放可能引入循迹失真,磁带或唱盘的速度不稳定则可能造成音高调制。电气干扰可能引入与电源频率相关的嗡声。数字转换中的时钟定时误差也会影响性能,不过,其听觉影响主要取决于转换器设计和误差大小,而非仅仅取决于是否存在定时波动。
听感质量还取决于心理声学。一种声音可能掩蔽另一种声音,而人对噪声或失真的敏感程度会随频率、电平、持续时间和节目素材而变化。因此,受控的听音比较必须将实际信号差异与播放电平变化、预期和记忆的影响区分开来。技术上的透明度也不同于艺术偏好:刻意使用的吉他失真或磁带饱和效果,虽然对未经处理的电输入信号而言保真度更低,却可能有助于作品制作。测量用于表征变化,而具体情境决定这种变化的用途。
编辑、多轨制作与母带处理
当分别录下的声音片段可以重新编排为一个整体时,录音便成为一种创作媒介。实体磁带剪辑使精确选取和重新排列成为可能,而多轨系统则将人声与乐器分开录制,以便独立处理。数字制作通过数字音频工作站进一步扩展了这种灵活性,将录音、时间线编辑、混音和信号处理集于一体。一个工程可以包含音频文件、编辑指令、信号路由、自动化设置以及对软件乐器的引用。因此,工程并不一定等同于一份独立完整的录音:它可能依赖外部文件和软件组件。
编辑包括删除不需要的素材、拼接不同录次的片段、校正时序以及处理过渡。交叉淡化会逐渐降低一个片段的音量,同时提高另一个片段的音量,以避免咔嗒声并缓和衔接处的突变。“合成最佳录次”(comping)是从多个录次中选取片段,拼成一次完整的演奏或演唱。时间伸缩和音高移位可以分别改变时长和音高,但大幅调整可能引入可听见的处理伪影。这些操作既可以是几乎不留痕迹的修补,也可以是显而易见的改造,其意义取决于录音所属的体裁及其预期用途。
混音将多个通道组合起来,同时调整其电平、频谱、动态和空间位置。均衡用于改变各频段之间的平衡。动态范围压缩根据阈值、压缩比、启动时间和释放时间等参数缩小电平差异;限幅则对峰值施加更强的约束。噪声门和扩展器会在指定条件下衰减低电平信号。人工混响、延迟和调制效果可以营造或改变空间感与时间感。与数据压缩不同,动态范围压缩不一定会减少存储文件所需的比特数。
信号路由是复杂制作流程的核心。多条音轨可以汇入一个子编组,接受共同处理;辅助发送则可向混响处理或耳机混音提供电平可调的信号。自动化使参数随时间变化,从而让人声电平或效果发送量配合编排而调整。合并相关信号时,必须妥善处理信号处理所产生的延迟,因为时间错位会改变信号之间的相位关系,导致某些频率的信号相互抵消。录音系统通常提供延迟补偿,但实时监听仍需注意转换、缓冲和处理环节累积产生的延迟。
母带处理是为完成的混音或一组按顺序编排的混音做好准备,以供按预定方式发行。它可能涉及音色与动态调整、曲目排序、曲间间隔设置、质量控制以及交付文件的制作。唱片刻录、激光唱片制作、广播和网络分发各有不同要求。峰值电平、感知响度和动态范围是不同的量:提高平均电平可以增强听感上的响度,同时削弱瞬态对比。许多分发服务采用响度归一化,使母带处理时选定的电平与听众实际接收到的电平进一步脱离。因此,留存的制作母带与交付给消费者的文件可能并不是同一份内容。
声道、格式与发行
声道的组织方式决定了录音在空间中的呈现方式。单声道录音只提供一个节目信号通道,即使用多个扬声器播放也是如此。立体声通常使用两个声道,在左、右扬声器之间营造出可感知的声源位置。艾伦·布卢姆莱因于1931年开展的专利工作,为立体声录音与重放作出了重要贡献。立体声传声器技术利用声级差、到达时间差,或同时利用这两种差异。不同技术与单声道播放的兼容性各不相同,因为合并声道时,相位不同的信号成分可能会相互增强或抵消。
多声道格式将重放声场扩展到听者周围。5.1声道配置通常包括左、中、右三个声道、两个环绕声道,以及一个独立的低频效果声道。这个效果声道并不等同于录音中的全部低音内容;播放系统还可能将其他声道的低音另行重定向。双耳录音则采集或合成与双耳、头部及外耳有关的听觉线索,通常供耳机聆听使用。其空间效果取决于听者自身及重放条件。Ambisonics技术用一组分量表示声场,并可通过解码适配不同的扬声器布局;基于对象的系统则将音频元素与描述其预期位置或行为的信息结合起来。
存储格式必须与声道布局及物理载体区分开来。文件容器规定音频及相关信息的组织方式,编码则规定采样数据或压缩后的表示形式如何存储。WAVE和AIFF通常承载未压缩的PCM音频;广播波形格式(Broadcast Wave)则在WAVE格式家族的基础上增添了标准化的描述信息。光盘、硬盘、固态存储设备和网络服务器都可以承载数字音频,但仅凭载体本身,无法确定其内容的编码、分辨率或来源。
音频数据压缩能够降低存储或传输需求。FLAC等无损压缩方案可以精确还原编码前的采样序列。MP3、AAC和Opus等有损压缩方案则利用感知和统计方法,更大幅度地减少数据量。其效果取决于编解码器、比特率、编码器的具体实现以及源素材。反复进行有损编码可能使失真累积,尤其是在中间的编辑或格式转换环节需要先解码再重新编码时。压缩文件即使保留了较高的标称采样率,也仍可能在编码过程中舍弃信息。
发行方式已从生产实体副本,逐渐转向通过互联网交付文件和提供流媒体服务。流媒体并不意味着某一种特定的音质水平:它既可以传输低比特率的语音,也可以传输高质量的有损压缩音乐或无损编码音频。网络带宽、缓冲机制、设备支持情况和授权安排都会影响内容的交付。同一录音也可能存在多个不同的发行版本,包括不同的混音、剪辑、母带制作版本以及空间呈现方式。因此,在比较声音、记录发行历史或保存某个发行版本时,明确所讨论的具体版本至关重要。
纪实、科学与法律用途
除了娱乐用途,录音还能保存文字描述无法充分呈现的事件。口头传统、访谈、口音、演说方式和音乐实践中所包含的时序、音色及互动,只有一部分能通过文字转写保留下来。因此,田野录音已成为语言学、人类学以及文化遗产保护的重要手段。不过,录音是特定情境下形成的记录。录音者的在场、所用设备、提出的问题,以及对收录内容的取舍,都可能影响事件本身及其后来的解读。
科学应用的侧重点与商业制作不同。野生动物录音可以记录物种的存在、发声行为以及声学环境的变化。水下录音设备通过水听器而非常规的空气传声麦克风采集信号。工业系统通过记录机器的声音,检测与振动有关的声音变化;声学实验则可能要求经过校准的声级和精确已知的几何布置。对于这些用途,自动增益控制、降噪或有损编码会改变所记录信号与物理事件之间的关系,因而可能干扰测量。校准记录和处理历史可能与音频本身同样重要。
录音也是广播、电影、游戏、教育和无障碍服务的基础。电影制作会区分拍摄时录制的对白与后期对白替换、音效、拟音表演及音乐。这些声音层经过同步和混音,形成连贯的声轨,而不必原样再现拍摄现场的声音。录制的语音可用于语言学习和有声出版物,大规模语音数据集则用于语音识别与合成系统。这类数据集的实用价值不仅取决于总时长,也取决于标注、录音条件和使用授权。
录音的法律地位涉及几种可能彼此独立的权益。音乐作品的著作权与某次特定表演录音的权利并不相同;根据适用法律,表演者和制作者还可能享有相关权利。拥有实体唱片或能够访问音频文件,本身并不意味着享有全部复制权或发行权。具体规定因司法管辖区而异,也会随时间变化。此外,录音可能包含个人信息,因此受到数据隐私保护规则或其他有关收集和使用的限制。
将音频用作证据时,需要注意其真实性、连续完整性和背景。仅凭文件日期无法确定事件发生的时间;剪辑即使听不出来,也未必不合法。记录音频的获取、保管和处理过程,有助于区分原始录音与后续衍生版本。机器学习可以辅助转写、声音分离和音频增强,但生成或重建的语音会带来额外的来源问题。增强后的版本可能提高语音的可懂度,同时改变与司法鉴定有关的特征,因此保存未经处理的原始录音尤为重要。
保存、修复与长期利用
录制的声音要得以留存,既需要保存下来的声音表征,也需要能够解读这种表征的手段。机械录音载体可能开裂、磨损,或因不当播放而受损。磁带可能出现黏结剂劣化、润滑剂问题或变形;某些聚酯带基磁带容易发生黏脱综合征。醋酸纤维素带基材料则面临不同的劣化问题。光盘和固态存储介质也各有其失效方式。面对如此多样的材料与保存条件,任何关于“模拟介质寿命”或“数字永久性”的单一论断都不足以概括全貌。
保存工作首先要识别保存对象及其录音制式。唱片的转速、声槽尺寸、调制方向和均衡特性,都可能与现代常见规格不同。选用合适尺寸的唱针并正确设置播放参数,会显著影响声音的还原效果以及载体受损的风险。同样,磁带转录也取决于带速、音轨格式、磁头校准情况,以及录制时采用的均衡或降噪系统。技术上合格的转录,应先尽可能提取载体上的信息,再酌情进行修复。必要时,可借助专门的非接触式成像技术,提取某些难以用常规方式播放的机械录音。
数字保存是一项持续开展的主动工作,而非简单地把文件复制到较新的介质上。数字保存将冗余存储、完整性检查、文档记录、格式管理和故障应对程序结合起来。只要有可信的历史数值可供比较,校验和或密码学哈希值就能帮助检测文件是否发生了变化。但它无法证明最初的录音是否完整、准确。保留多份独立副本可以降低单一设备故障带来的风险,但这些副本的价值取决于其独立性、验证措施和恢复程序。
元数据提供了解读和管理音频所需的背景信息。描述性信息可用于标明表演者、发言者、日期、地点和曲目。技术信息记录采样率、声道配置、编码、转录设备及处理情况。管理信息则记录权利、限制条件和保管情况。明确区分保存母版与使用副本,可以避免将体积小、便于收听的文件误认为现存最完整的声音记录。保存工程文件时,还可能需要一并保存软件版本、插件及其依赖的媒体文件,而这些内容并不包含在简单导出的立体声文件中。
修复旨在处理咔嗒声、交流嗡声、嘶声、信号掉失或速度不稳等缺陷,但修复操作本身涉及判断与诠释。去除噪声也可能同时去掉微弱的谐波、辅音、室内环境声或其他证据。用相邻段落填补缺失片段,与从原始载体中恢复声音并不相同;机器生成的重建声音又是另一回事。档案机构通常会在保留修复后使用版本的同时,保存未经处理或仅经最低限度处理的保存用转录版本,并记录所做的干预。这种区分使后来的研究者能够带着不同的问题,使用不同的设备和修复方法,重新评估这些材料。