音视频处理(一)：什么决定了你的音色？声音的三要素

概述

今天我们来介绍声音的三要素，声音的三要素包括：音调、音量和音色，学习声音的基本原理，对于音视频处理、自然语言识别NLP、ASR都是非常有帮助的。

一、音调

定义

音调是指音频的快慢，即声音的频率。

举例说明

以拨动尺子为例：

• 尺子振动快，则音频高。
• 尺子振动慢，则音频低。

日常生活中的体现

• 男生的音频最低，声音浑厚、低沉。
• 儿童的声音频率最高，比较悦耳。
• 女生的声音频率介于两者之间。

结论：音频越高，声音越悦耳。声音悦耳程度顺序为：儿童 > 女生 > 男生。

二、音量

定义

音量由振幅大小决定。

举例说明

以拨动尺子为例：

• 振幅大，推动空气流动的力量大，声音洪亮。
• 振幅小，推动空气流动的力量弱，声音小。

波形分析

以正弦波为例：

• 峰值与谷值差异大，则音量高。
• 峰值与谷值差异小，则音量低。
• 在相同频率下，峰值越高，音量越大。

三、音色

定义

音色由谐波决定，不同乐器或人声的音色不同，即使基频相同。

原理说明

自然界中的声音多为和声，由多个频率组合而成：

• 基频：主频率，决定声音的主要走势。
• 谐波：在基频上的微调，形成不同的音色。

波形合成

以合成波形为例：

• 绿色波形代表基频。
• 加入黄色（一次谐波）和橙色（二次谐波）波形后，合成粉色波形，形成复杂的音色。

结论：音色的差异由谐波决定，例如钢琴和小提琴即使基频相同，音色也不同。

总结

声音的三要素及其原理：

1. 音量：由振幅决定，振幅越高，音量越大。
2. 音调：由频率决定，频率快则音调高，频率慢则音调低。
3. 音色：由谐波决定，谐波的不同组合形成不同的音色特质。