当前位置: 首页 > news >正文

音频中的噪音门

噪音门

1.介绍

在音频矩阵中,噪音门通过精准控制信号通断,可有效消除底噪、隔离串音,提升音频清晰度。就如同他的名字,噪音门(Noise-Gate通常被简称为门限)是一个能把低于特定音量的音频“拦在门外”的处理工具。

门限可被用于清理几乎任何种类的音频素材(在一定的程度上来说),特别适用于鼓组和打击乐器的处理。

我们就以鼓组录音为例:根据音乐的内容和您使用的设备的不同,最后可能有十几只甚至更多的的话筒会被用来拾取每个单独鼓件的细节声音,当您处理前卫重金属之类复杂风格音乐的时候会经常遇到这种情况,鼓手通常要求录制两个底鼓,三个军鼓,十五个筒鼓,还有五百个镲片……好吧,我承认说的有点夸张了……但也不至于太夸张!

那么现在问题来了,当您用一个话筒直对军鼓,拾取的声音可不仅仅来自于军鼓,他同时还会拾取很多来自筒鼓,底鼓,踩镲和吊镲的漏音,在业内通常被称之“串麦声”(bleed)
串麦声并不总是一个坏事,为了保持录音的真实感在某些音乐风格里(比如爵士,布鲁斯,独立音乐之类)甚至可以放任其不管。但是在要求比较严格的音乐风格里(如重金属、福音和无线电台里播放的那些摇滚乐或流行乐)为了保持音乐的清晰度必须将其最小化。

如果想手动裁剪掉不想要的噪音或者乐器的延音,比如人声或者手指和吉他摩擦的声音,这些素材包含噪音的间隙很少,而且间距很远,所也还算比较容易实现。但如果是在鼓组上面,就会涉及到一首歌曲里面对于单个鼓件成百(甚至上千)次的敲打。

从技术角度来讲,人工手动消除每一个单独轨道的鼓组串麦声也不是不能达到,但是要花上很长很长很长的时间。如果您亲自处理完一组鼓,您可能会带着严重的创伤后应激障碍逃走,再也不会考虑让自己遭受同样的折磨。

这时候,就该祭出门限了。长话短说,门限提供了自动化的噪音/串麦声清除方案。

在这里插入图片描述

2. 噪音门的操作元素

通常情况下,门限器/扩展器的所有操控都类似于压缩器/限制器,尽管动态效果是相反的。

**“阈值”(Threshold)😗*的控制决定了能通过的门限流向下一级信号的处理的可闻最小信号电平,任何低于最小阈值的信号都会被拦截,换句话说就是被静音。

**“起始时间”(Attack)😗*的控制决定了信号达到阈值要求后门限由闭合状态转为开通状态所需要的时间长度。快速的启动时间意味着门限迅速打开,允许最大的瞬态通过而不受影响。慢速的启动时间意味着门限开启也缓慢,会切掉部分初期瞬态。

**“释放时间”(Release)😗*的控制决定了当信号强度低于阈值以后,门限依旧能保持开通状态的时间长度。

**保持时间(Hold):**有些门限器会提供“保持时间”(Hold)这个控制功能,这个控制功能决定了当门限被激发工作后能被“强制”开启的时间长度,他的工作时间点位于“起始时间”(Attack)和“释放时间”(Release)环节之间。当“起始时间”(Attack)和“保持时间”(Hold)这两个环节相继结束之后,才进入“释放时间”(Release)这个环节。

**“压缩范围”(Range)和“压缩比”(Ratio):**允许您控制信号衰减的幅度。

“压缩范围”(Range)又被称为“地板”(Floor),决定了信号衰减的最大值。打个比方,您并不想控制住所有的串麦声,只是想简单的把他们降低十个分贝,这时候就用到了“压缩范围”(Range)。

**“压缩比”(Ratio):**控制决定了当信号低于阈值后的衰减幅度,门限的压缩比通常为100:1甚至更高。举个例子,当处于100:1的压缩比,任何低于阈值的信号强度都会被降到当前状态的1。实质上等于被静音。再举个例子,如果一个扩展器的压缩比设置到2:1,任何低于阈值的信号在音量都上会减半。

3.处理过程及算法

在这里插入图片描述

当Lin≥T,Lin=Lout。
当Lin<T,Lout=T+(Lin-T)*R,
当Lout≥Lin+Range 时 Lout=T+(Lin-T)*R
按照上面公式处理;
当Lout<Lin+Range,Lout=Lin+Range
其中,Lin为输入电平值,Lout为输出电平值,T为阈值threshold,R为比率ratio。

http://www.dtcms.com/a/352841.html

相关文章:

  • 视频加水印_带gif 加动态水印 gif水印 视频浮动水印
  • 2025年03月 Python(三级)真题解析#中国电子学会#全国青少年软件编程等级考试
  • 《MongoDB 常用命令详解:从数据库操作到高级查询》
  • mongodb influxdb
  • Vue JS安装部署与使用方法(保姆级教程)
  • Java 实现 MongoDB ObjectId 算法
  • Python常见设计模式3: 行为型模式
  • 数据分析与数据挖掘
  • 【技术教程】如何为ONLYOFFICE协作空间开发文件过滤UI插件
  • string类的学习及模拟
  • vue拖动排序,vue使用 HTML5 的draggable拖放 API实现内容拖并排序,并更新数组数据
  • 【无标题】淘宝直播间详情数据
  • 云原生安全架构设计与零信任实践
  • 三格电子——高频一体式工业级RFID读写器的应用
  • 核心内涵解析:销采一体化 CRM 是什么?
  • 贴片式TE卡 +北京君正+Rk瑞芯微的应用
  • 亚马逊ASIN定投广告的智能化突破:从人工苦力到数据驱动的华丽转身
  • Part 1️⃣:相机几何与单视图几何-第六章:相机模型
  • Android中点击链接跳转到对应App页面的底层原理
  • Linux 云服务器日志清理自动化方法
  • 第二阶段Winfrom-8:特性和反射,加密和解密,单例模式
  • 点评项目(Redis中间件)第一部分Redis基础
  • golang 12 package 和 module
  • SegEarth-R1: Geospatial Pixel Reasoning via Large Language Model
  • week5-[字符数组]长度和
  • GraphRAG数据可视化
  • Java中JUnit知识点
  • Qt表格组件封装与远程数据库连接:从数据展示到交互体验
  • 阿里云——应用交付与负载均衡
  • 用户体验设计 | 从UX到AX:人工智能如何重构交互范式?