# 64. Digital Sound 内核恐慌 · 2021-08-07 这期节目探讨了声音数字化的技术原理，包括采样定理、比特深度、模数转换等基础概念，以及MIDI协议、合成器、数字音频工作站如何改变音乐制作方式。嘉宾重轻深入讨论了数字音乐制作与真实乐器演奏之间的区别，指出技术并未也不会取代传统乐器演奏的独特价值，而是增加了新的创作可能性。节目还涉及拟物设计在界面和音乐中的演变，以及人声合成的挑战，最终强调音乐本质上是人的行为，技术只是工具。 ## Questions this episode answers ### 为什么早期MIDI音乐听起来很有“塑料感”？ 重轻解释，早期声卡和游戏机（如任天堂红白机）没有足够存储空间存放真实乐器的采样，只能使用简单的振荡器生成方波、三角波等基本波形，最多同时发出三个音，因此无法表现真实乐器的复杂音色，听起来单调生硬。 [53:54](https://lib.pan.icu/6abd9bdd-1894-47a4-98ae-156d4f70f7cf?t=3234000) ### 为什么现代音乐制作中，真鼓的地鼓常常被替换成电子鼓？ 重轻提到，现代音乐审美追求更强烈、更有冲击力的低音，真实地鼓录得再好也达不到那样的力度和快速衰减。制作人会用电子鼓或采样来替换或叠加地鼓，以获得“如针扎般”的能量感。这种美学变化使得原声鼓不再能满足需求。 [2:10:11](https://lib.pan.icu/6abd9bdd-1894-47a4-98ae-156d4f70f7cf?t=7811000) ### 人声合成为什么比乐器合成更难？ 重轻指出，人声中的共振峰（formant）变化规律复杂，并非与基频等比例移动，而是与每个语言元音辅音的音韵学有关，不同语言、不同人的共振峰移动方式也不同，因此很难用算法精确确定，这是人声合成的主要难点。 [2:15:59](https://lib.pan.icu/6abd9bdd-1894-47a4-98ae-156d4f70f7cf?t=8159000) ## Key moments - **[0:00] 开场** - [3:05] 吴涛比喻做播客像腌酸菜：“每做一期节目之后就进入一个相对来说需要再次发酵的时段，然后等着那个黄瓜变成酸菜才能再次积攒心力来录一期。” - [7:07] 重轻解释网名来源于卡夫卡日记：“信仰像一柄砍头斧，这样重这样轻。” - [8:03] 吴涛找到卡夫卡原文解释信仰像断头台：“Ein Glaube wie ein Fallbeil, so schwer, so leicht.” - [9:27] 吴涛说节目灵感来自官大为的NiceChord视频，他买过教程但只看三期就放弃 - [10:34] 吴涛指出计算机音频比视频难，因为音频没有素材无法无中生有 - [11:51] Rio说自己为做播客学了消噪等音频处理三脚猫功夫 - **[17:06] 数模转换** - [18:22] Q: 蓝牙耳机和有线耳机的DAC过程在哪里发生？ 重轻回答有线耳机DAC在手机声卡，蓝牙耳机在内部完成 - [21:42] 吴涛指出有线耳机1/4英寸插孔是至少50年没变的古老技术 - [22:28] 重轻指出MIDI协议40多年没变，现在USB里跑的仍是80年代的MIDI数据 - [23:46] 重轻解释录音过程：ADC芯片把模拟电压变化转化为0和1每秒抄4万多次 - **[25:15] 采样原理** - [25:15] 重轻说声音保存经历两次劣化：从黑胶到CD的采样劣化，从CD到MP3的有损压缩 - [26:56] 重轻解释奈奎斯特香农采样定理：采样率需为人耳听力上限的两倍以上才能保留高频 - [27:57] MP3通过有损压缩将数据量降至无损的约1/12 - [28:30] Q: 采样过程具体记录什么？重轻回答记录电压，每秒均匀抄44,100次 - [28:54] 重轻描述人类最早的录音装置：铁尖蘸墨水在纸上划出振动的波形 - [31:50] 吴涛提到比特性深度，数字必须是整数 - **[36:00] 傅立叶变换** - [37:44] 重轻辨析：录音不涉及傅立叶变换，傅立叶变换主要在信号压缩和传输中起作用 - [38:54] 重轻说必须从频率视角看声音才能理解所有音频话题 - [39:31] Q: 96kHz采样率有意义吗？重轻回答人耳无法感知，双盲测试分不出区别 - [40:51] Q: 44,100和48,000采样率怎么来的？重轻说44,100是飞利浦定的CD标准，48,000是录音棚惯例 - **[42:23] 比特深度** - [51:08] 重轻解释播放过程：DAC把数字点均匀发送，转为电压振动耳机膜产生声音 - **[52:48] MIDI与合成** - [52:48] 重轻说80年代因存储和带宽限制，用MIDI乐谱让声卡演奏而不直接录音 - [53:54] Q: MIDI声音为什么机械感强？重轻回答早期声卡合成器只能发简单波，声音太有秩序 - [55:06] 重轻说早期游戏机用合成方式，C64只有三个振荡器，同时只能发三个音 - [56:41] 吴涛解释振荡器原理：晶体加电压后产生稳定脉冲，类似日本添水 - [58:35] 重轻说最原始的振荡器只能发方波、三角波、锯齿波，正弦波都很难发出 - [59:10] 吴涛点明自然界不存在纯正的正弦波，正弦波是人类对波形的理想化抽象 - **[1:22:00] 电子声学** - [1:23:06] 吴涛指出有了键盘理论上不需要其他乐器，Kraftwerk乐队就是例子 - [1:25:42] 重轻 vs Rio: 键盘在乐队中是否必须模仿真实乐器，重轻称Rio的想法腐朽 - [1:27:52] 重轻引入制作人味型概念：制作人会说要一种Pluck声或Pad声，不再纠结特定乐器 - [1:29:02] Q: 小孩可以直接学键盘吗？重轻说键盘不是一门学科，音乐制作已与演奏分离 - [1:29:27] 重轻表示今天音乐是被“生产”出来而非作曲演奏出来的，他用鼠标点音乐 - [1:32:28] 重轻 vs Rio: 学乐器的目的是否仅为技术等价，重轻批评Rio的技术中心主义 - **[1:43:03] 制作之道** - [1:43:21] 重轻说音乐制作不是先想象再实现，而是试错探索，类似调香师 - [1:50:49] 重轻说软件可以修得和真人演奏一模一样，但演奏的交互界面乐趣永远无法取代 - [1:52:49] Rio举例朋友用鼠标点出宫廷画作为数字艺术的类比 - [1:56:40] 重轻举例游戏速通TAS和人手速通，说明技术替代不了人的行为 - **[1:57:55] 拟物之辩** - [1:58:20] 重加强调没有东西在取代东西，乐器不是技术而是人类行为 - [2:00:00] Rio类比UI上的拟物设计，认为数字音乐也走过从拟物到抽象的道路 - [2:01:40] Rio vs 吴涛: AR是否需要经过拟物阶段，吴涛反驳称HUD等抽象早已被接受 - [2:06:40] 重轻说卷积混响可以采样房间声学，但还不足以完全模拟音乐厅 - [2:09:00] Q: 交响乐还是主流吗？重轻说大片会用，因电脑做的不一样，且音乐厅混响难模拟 - [2:10:20] Q: 电脑制作成本是否更低？重轻说一半以上影视配乐纯数字，实录是最顶级项目 - **[2:12:33] 终曲** - [2:12:52] 吴涛类比P图美女尖下巴，说明数字美化改变了人们的审美 - [2:15:22] 吴涛指出AI语音合成落后于视觉，Siri背后仍有真人采样 - [2:17:12] 重轻预测人声合成底层模拟不会有人做了，AI会用黑盒方式直接糊弄出来 - [2:17:40] 吴涛总结本期节目偏离大纲，走向哲学，颠覆了Rio的音乐观 ## Speakers - **Rio** (host) - **吴涛** (host) - **重轻** (guest) ## Mentioned Apple (company), Yamaha (company), AAC (product), ALSA (product), AirPods (product), Commodore (product), GarageBand (product), Linux (product), MIDI (product), MP3 (product), Vocaloid (product), iPhone (product), 初音未来 (product), 小霸王 (product), 红白机 (product) ## Transcript ### 开场 **吴涛** [0:01] 您正在收听 《 内核恐慌 》， 一档大直以计算机科技为主题的娱乐 Podcast。 我们号称 " 硬核 "，但是也没有什么干货 。 想听就听 ，不想听就别听 。 我们的网址是 pan.icu， 您可以在网站上找到订阅我们节目的方法 ，以及联络我们的方式 。 我是吴涛 。 **Rio** [0:16] 我是 Rio。 **重轻** [0:17] 我是钟青 。 **吴涛** [0:18] 对 ， 今天我们请到了重轻老师啊 ， 就是杜逍 。 如果你在听这期节目的话 ， 一定会很羡慕我们 。 这期我们想要讲的主题是声音数字化 ，但是 ， 呃 ， 感觉准备得不是非常全面 。 不过因为 Rio 下接下来一段时间要出差 ， 然后我们下次更新还不知道什么时候 ， 就决定这个 ， 怎么说 ， 赶鸭子上架 ， 强行来一次 。 我本来的预想是我要去啃一本这个计算机声音方面的编程的书 ， 然后啃完了之后来 ， 呃 ， 多少提供一些技术上的背景 ， 然后就是现学现卖地解释一下这个计算机软件行业跟这个 ， 怎么说 ， 声音工程 ， 或者说 ， 嗯 ， 声音数字化的这一块是怎么实现的 ， 就多少做个铺垫 。 但是这本书我没啃完 。 各位如果有兴趣的话 ， 这本书是讲这个 Linux 的 ， 呃 ， 声音架构的 ， 叫 ALSA， 就是 Advanced Linux Sound Architect。 就是大概讲这个 topic 的书 ，但是我没看完 。 不过应该也没什么问题 ，因为 —— **重轻** [1:29] 我发现你们这种 ， 就是你们这种拖更的姿势还都挺 、 挺风骚的 。 就是 ， 哦 ， 原来你们平时不做节目是因为你也没有时间把一本书啃完 。 哦 ，nice。 **吴涛** [1:40] 对 ， 基本上 。 我们 ， 呵 ， 我们不做节目的原因其实多半的时间都是因为 Rio 在忙什么 ， 就忙着出去玩 。 比如说他去马达加斯加 ， 我们就没有做录节目 。 然后他什么去 、 去考察这个投资项目 、 那个投资项目 ， 我们就没有录节目 。 真正因为我的 ， 可能基本上就是因为什么 ， 我还没把什么东西弄明白 。 然后我们有一期其实很惨的就是开始录了 ， 然后录了大概 5 分钟 ， 发现卧槽 ， 完全聊不下去 。 因为就我该做的功课基本上都没有做 。 那期好像是讲什么文件系统 ， 还是讲什么 ， 然后那期就直接荒 —— **重轻** [2:16] 我不记得了 。 **吴涛** [2:17] 对 ， 就直接荒废掉了 。 所以就是有 、 有这种非常根本性的事故 ， 一般人都是我的锅 。 **重轻** [2:22] 可以可以 。 不是 ， 你 、 你要去滑雪 ， 你要出去旅游啊 ， 这你也有的 。 **吴涛** [2:27] 对 ， 我承认 。 就是 Rio 很经常会是因为 ， 呃 ， 工作原因没有办法抽出时间来录节目 。 而我通常是因为我太懒 ， 或者是娱乐原因没有时间录节目 。 **重轻** [2:38] 因为你有生活 ， 你有 life。 **吴涛** [2:43] 哈哈哈 。 **重轻** [2:43] 所 、 所以听众朋友 ， 我们不催更的主要原因你们 、 你们听出来了 。 该找谁 ， 各 、 各找各妈啊 。 **Rio** [2:48] 商务型拖更和生活型拖更 。 **重轻** [2:50] 这结果是一样的 。 **吴涛** [2:52] 钟青老师在有一期 ，不是节目 ， 钟青老师在某处介绍他的节目的文案里面好像写过 ， 就说他说自己做一期节目就像 、 就像腌酸菜一样 ， 需要很长的时间 。 然后我觉得我们 《 内核恐慌 》 可能多多少少也有一样 ，也有一点这样的感觉吧 。 就是 ， 嗯 ， 好像每做一期节目之后就 、 就进入一个相对来说需要再次发酵的 、 的时段 ， 然后等着那个黄瓜 ， 一个新鲜的黄瓜变成一个 ， 就是一直在那边酸你的时候 ， 才能再次积攒心力来 、 来录一期 。 **Rio** [3:28] 总之就是在给拖更找理由 。 **吴涛** [3:32] 一语中的 。 这个 。 **重轻** [3:34] 不是 ，seriously， 腌 、 腌酸菜通常多长 、 多长一个周期 ？ 一两周应该可以吧 。 **吴涛** [3:39] 我最近就在腌啊 。 我最近就在腌 。 不 ， 腌 、 腌酸菜是这样的 ， 就是 ， 呃 ， 你一开始把你的原料放进去之后， 呃 ， 什么花椒和 、 呃 ， 盐之类的放进去之后， 它有一个初始化的过程 。 这个初始化的过程之 、 完成之后， 乳酸菌还是反正 whatever 那个 、 那个细菌 ， 它产生的那个腌酸菜的那个相当于那个料足够了之后， 你就有了一坛大概放进去新鲜的蔬菜过上那么三五天就可以吃的这样一坛 ， 这样一个东西 。 就 、 就 、 就最开始那个周期是比较长的 ，但是后面就好了 ， 后面就越来 、 越做越快了 。 **重轻** [4:16] 等一下， 你腌的是德国酸菜还是中国泡菜 ？ **吴涛** [4:18] 泡菜 。 **重轻** [4:19] 就中国泡菜 。 **吴涛** [4:20] 就中式的泡菜 ， 辣椒啊 、 花椒啊什么的 。 **重轻** [4:22] 那德国那个酸菜叫什么 ？Sauerkraut 对吧 ？ 那个是怎么一个酸菜 ？ **吴涛** [4:25] Sauerkraut， 对 。Sauerkraut 在根据德语的微积来说是从希腊乃至于从中国进口来的一个技术 。 所以本质上跟中国的酸菜其实是一个东西 ， 只不过他们有时候会放一种很奇怪的像 ， 嗯 ， 像小茴香还是什么东西的一样那样的种子 ， 然后会放糖 。 所以它偏甜 ，而且有一种很奇怪的香料的味道 。 除此之外， 跟中国的酸菜其实 ， 哦 ， 哦 ， 它是用 cabbage 做的 ， 就它不是用大白菜做的 。 **重轻** [4:53] 卷心菜吗 ？ **吴涛** [4:54] 卷心菜做的 。 **重轻** [4:55] 对 ， 所以 Sauerkraut 是这个中国酸泡菜的这个德国 localization 版 。 **吴涛** [5:01] 对 。 **重轻** [5:02] 这期 、 这期节目的主题是大头菜酸化 。 这可以 。 **吴涛** [5:05] 对 。 我觉得这个比喻蛮妙的 。 就是像腌酸菜一样 ， 需要很长的时间 。 因为很多时候创作不是说你 ， 如果我们可以说 Podcast 是一种创作的话 ， 那创作其实不是说你我今天想做 ， 我今天就能做出来的 。 **重轻** [5:20] 对 。 **吴涛** [5:20] 嗯 ， 很有可能是你 、 你需要一个天时地利人和 ， 然后你有那个心境 ， 你有那个档期 ， 然后你还像我们这种情况的话 ， 你还需要凑到两个人都有时间 。 所以其实还是挺 、 挺酸菜的 。 **重轻** [5:33] 但有个不一样啊 ， 腌酸菜你遵 、 遵循着那个什么温度 、 湿度各种法子 ， 它是可以可复制的 。 我们这个好像没有找到复制的方法 。 **吴涛** [5:43] 对 ，因为生活本身就是不可复制的 。 你不可能今天过和明昨天一样的生活 。 虽然在 lockdown 的期间 ， 感觉这个好像也没有什么不可能的 。 就我觉得我每天都在过跟昨天一样的生活 。 **Rio** [5:55] 礼拜六的晚上听到 Rio 讲这种看一级市场看投资项目的逻辑 ， 令我感到难受 。 **重轻** [6:02] 哈哈哈 。 **Rio** [6:02] 他找到可复制的方法 ， 大哥 。 **吴涛** [6:04] 放过我们吧 。 **重轻** [6:05] 嗯 ，OK，OK，不 、 不扯淡了 。 我们今天的正题是这个数字化声音啊 ，Digital Sound。 呃 ， 就是我要先声明一下， 这个领域我是完完全全的小白 。 虽然我做了这么久的节目 ，也算是跟这个数字声音领域纠缠 、 搏斗了这么好几年了 ，但其实我对它的所有的基本理论是一窍不通的 。 啊 ， 今天我们终于找到了大牛钟青老师 ， 然后我有很多很多的问题想要问你 。 **Rio** [6:30] Bug 你还是没少遇到的这些年 。 **吴涛** [6:32] 要不我们先请钟青老师自我介绍一下吧 。 就是我虽然对于我们两个人来说可能已经足够熟悉了 ，但是我们的听众朋友可能不一定 。 所以请 。 **Rio** [6:42] 对 ， 大家好 。 呃 ， 大家好 ， 我是钟青 。 就是 ， 呃 ， 钟青不是我的学名 ， 就是在网上叫钟青 。 然后我在机核做一些游戏和一些泛文化 ， 就是流行文化相关的电台 ， 做了年头比较长了 。 然后自己有一个播客 ， 叫 《 不在场 》， 聊音乐的 。 嗯 ， 就是反正我是一个音乐发烧友吧 ， 就是自己玩合成器啊什么的这些东西 。 嗯 ， 就这样 。 **重轻** [7:05] 哎 ， 为什么叫钟青 ？ 我从来没问过这个问题 。 **Rio** [7:07] 哦 ， 钟青就是 。 **吴涛** [7:08] 这个我知道 。 **Rio** [7:09] 哈哈哈 。 我靠 ， 这是不是全球首发 ？ 钟青的那个名字的来源 。 **重轻** [7:15] 官方解释是什么 ？ **吴涛** [7:16] 对 。 **Rio** [7:17] 就是我小时候 。 **重轻** [7:18] The origin of 钟青 。 **Rio** [7:20] 啊 ， 就是 ， 嗯 ， 就是初中的时候看一本那个 ， 就是卡夫卡的日记 ， 就是那种卡夫卡的杂文集 。 就是卡夫卡是我最大的偶像 ， 就是所以小时候特别崇拜他 。 然后他的那个日记里面就有这么一句话 ， 就叫 ， 就是 " 信仰是一柄砍头斧 ， 这样重这样轻 "。 所以我从小的那个 ID 就叫这个名字 。 我微博也叫这个 。 然后就简写就叫钟青 。 **重轻** [7:43] 啊 ，OK， 就是有来头 。 **吴涛** [7:45] 对 ， 我记得最开始我知道这个来头的时候 ， 还专门去搜了卡夫卡那句话 。 但是 ， 呃 ， 我已经不太记得原文是什么了 。 **Rio** [7:54] 嗯 ， 肯定是德文 。 **重轻** [7:55] 就 、 就起码我们弄清楚他 、 他 、 他是钟青不是钟青嘛 。 这个要搞清楚 。 **吴涛** [8:00] 对对对 。 **重轻** [8:01] OK。 **吴涛** [8:03] 啊 ， 我找到了 。 是 ， 我 、 我在我在这个群聊 、 群聊记录里面找到了 。 "Ein Glaube wie ein Fallbeil, so schwer, so leicht." 就是 ， 呃 ， 信仰就像一柄断头台 ， 就像断头台的那个上面那个刃一样 。 就是会落下来的那个斧子叫 、 叫 Fallbeil。 它如此的重 ， 如此沉重又如此轻盈 。 这样 。 就忽然之间就跟法国大革命扯上了关系 。 很神奇啊 。 **重轻** [8:29] 哈哈哈 。 这 、 这讲不会 。 赶紧开始 、 开始进入主题 ， 已经 10 分钟了 。 **吴涛** [8:37] 哦 ， 我 、 我们扯的这个扯闲篇比 10 分钟长的也不是 、 不止一次了 。 **重轻** [8:41] 嗯 ， 那也行 。 **吴涛** [8:42] 其实刚才钟青老师讲的这些 ， 我觉得好像都没有 ， 就是 ， 怎么说 ， 嗯 ， 算他的副业吧 。 **重轻** [8:49] 对 。 **吴涛** [8:49] 就钟青老师其实还有真实的这个主业在那边 。 但是 。 **Rio** [8:53] 就像一个正常人一样 。 **吴涛** [8:54] 对 ， 既然钟青老师没有说 ， 那我们也 。 **重轻** [8:56] 对 。 **吴涛** [8:57] 对 ， 我们也 、 我们也不用提起 。 但是总体来说 ， 就钟青老师是一个在 。 **重轻** [9:01] 放过彼此吧 。 **Rio** [9:02] 哈哈哈 。 **重轻** [9:03] 但 3 号其实可应该提 ， 对吧 ？ 因为这个事情有关系 。 **Rio** [9:07] 也没啥关系 。 没 ， 基本没任何关系 。 就是跟我业余做这些东西没任何关系 。 反正就是 ， 嗯 ， 就是一工作 ， 就是谋生的 。 **吴涛** [9:15] 行 。 那么这期节目的这个起始 ， 或者说我的 Inception 从哪来 ， 呃 ， 原点是源自于 ， 源自于一个 YouTube 的视频吧 。 这个 YouTube 的视频是 ， 呃 ， 官大为做的 。 就我不知道各位 ， 可能你们两个有没有听过这个名字 。 或者我觉得钟青老师可能应该听过 。 **Rio** [9:35] 就是最新一期的 NiceChord 好和弦 。 就是那个 NiceChord 的那个 YouTube channel。 **吴涛** [9:40] 嗯 ， 对 。 然后我大概在 2001、201 几年的时候买过一段官大为的那个整个讲乐理的那个 ， 呃 ，tutorial。 就是整个的视频花钱买的 。 然后看了三期还是四期 ， 就 、 就放弃了 。 呃 ， 我觉得我好像经常干这种事情 。 包括后来买过一次这个讲什么西洋古典音乐史的一个 、 一个 、 一套视频 。 我也是看了三期大概就结束了 。 每次就是大概看到巴赫就结束了 。 有那种就是看 《 红楼梦 》 看到贾宝玉出世云雨情就结束了一样 。 就是每次都是半途而废 。 呃 ，但是呢 ， 就是在整个音乐史 ， 或者说在整个 ， 呃 ， 音乐创作圈里面 ， 最让我着迷的一点就是现在基本上所有的音乐家都是 、 都是搞电脑的 。 就从某种意义上来讲 。 这跟 、 这跟我小时候 ， 或者说我对音乐家的想象是 、 是 、 是相差很多很多的 。 所以我就想说要不搞一期节目来 、 来具体聊一聊这件事情 。 就是何以至此 ， 就是因为什么音乐这个行业何以搞到了今天这样 ， 就是离开电脑就活不了的这么一个状态 。 **重轻** [10:46] 挺好 。 **吴涛** [10:46] 就我的观察吧 ， 我有一个体会就是 ， 计算机音频虽然听起来要比计算机视频简单 ， 就至少这是我的印象 ，但是计算机音频实际上它比计算机的视频要难的一点就在于它没有办法无中生有 。Computer Graphics， 就是 CG 这个东西 ， 你 、 你最简 、 最简陋的情况下， 你有一个 1 比特的屏幕 ， 你就可以点出来一幅画 ， 对吧 ？ **Rio** [11:13] 对 。 **吴涛** [11:13] 但是音频这个东西 ， 你要是 、 你要是没有什么素材 ， 或你没有一个乐器的什么声音 ， 你是很难 、 很难无中生有把这个乐器弄出来的 。 就包括我们现在听的什么 Siri 啊 ， 或者是什么 ， 嗯 ， 呃 ，《 初一未来 》 之类的这样的歌手也是 ， 就是他们其实都有一个原本的采样在那边 。 这也是我让我 、 让我比较感觉到很有意思的一个点 。 所以也是 、 也是这样的一个 、 一个源头吧 。 就大概是这样 。 嗯 ， 呃 ，Rio 你有什么对计算机音频方面的兴趣吗 ？ 就是 。 **重轻** [11:51] 有啊 ， 我不是为了做节目也学了 、 学了很多这种三脚猫的功夫吗 ？ 怎么去消噪啊 。 **吴涛** [11:58] 不不 ， 除此之外 。 **重轻** [12:00] 啊 。 **吴涛** [12:00] 就你不能说你完全就只是为了做 Podcast 而了解计算机音频嘛 。 **重轻** [12:06] 那你要从音乐这个角度 。 **吴涛** [12:07] 你有学过乐器吗 ？ **重轻** [12:08] 对 ， 就是我刚想说这个问题 。 嗯 ， 鄙人不才啊 ， 就是小时候我爹让我学过很多乐器 ， 然后没有一个学懂 、 学懂了 。 然后到了什么一个程度呢 ， 就是我天天来点谱到底怎么回事 ， 还是没 、 没有太明白 。 更不用说复杂的那些东西了 。 所以我在这个 。 **吴涛** [12:23] 那你爸是让你学过乐器的 ？ **重轻** [12:24] 呃 ， 尝 ，他尝试过 。 **吴涛** [12:27] 就比如说什么吉他 、 钢琴 ？ **重轻** [12:28] 我记得对 ， 吉他 ， 呃 ， 什么笛子 ， 就是我们那个时候 。 钢琴我们那种小地方那个时候是没有的 。 还有什么 ？ 反正就是那种常见的小乐器 ，他都 ，他 、 他 、 他 、 他我爸比会的比较多嘛 。他还 、 他还会什么二胡我记得 。 对 。 **Rio** [12:41] 但我跟你说 ， 中国人的那个音乐教育的执念就是钢琴 。 就是中国是全世界第一大的消费 ， 就是钢琴生产国和钢琴消费国 。 当疫情来了的时候 ， 就是钢琴的乐展就直接中国自己就能办 。 因为反正就是生产方和消费方全 、 全都在 、 全都在国内 。 哈哈哈 。 **吴涛** [13:00] 嗯 ，但就我 、 我就没有学过嘛 。 然后我也没有什么乐理基础 。 所以我就对这个声音这块事情一直是处于很懵懵懂懂的状态 。 那你小时候有买过 MP3 播放器吗 ？ **重轻** [13:09] 这肯定有啊 。 **吴涛** [13:10] 呃 ， 你在那个时候没有好奇过就是为什么类似于 MP3 播放器是这样一个东西 ， 然后， 呃 ， 之前听磁带 ， 然后转到 MP3 播放器这样一个过程 ， 就各各种原理到底是什么 ？ **重轻** [13:22] 呃 ，有想过 ，但是并没有很深入的去怀疑这件事情 。 **吴涛** [13:27] OK， 所以 、 所以你没有主动了解过音频的 、 音频方面的软件或者硬件的基础对吧 ？ **重轻** [13:33] 啊 ， 那也不是 ， 那也不算了 。 我还是了解一些最基本的什么什么什么正弦波啊 ， 什么各种采样率啊那些东西 。 但是仅此而已 。 **吴涛** [13:41] OK， 行 。 那咱 、 那咱俩其实本质上 、 本质上还是差不多的 。 **Rio** [13:45] 我是想说就是音频的那个 ， 就是对人， 就是 ， 呃 ， 对人的那种感官的局限很早很早就已经解除了 。 所以咱们对声音这个 、 这个事没有特别匮乏的感觉 。 我想说就是比如说从你有 ， 就是我最后一次对于 ， 呃 ， 就是音频 ， 就是这数字音频 ，有一种特别匮乏和贫穷的感觉 ，是那个小时候刚开始有 MP3 的时候 ， 那 MP3 只有 64 兆嘛 。64 兆的话 ， 你 、 你装那个 224K 的 ， 就是高保真一点的 MP3， 就可 、 可能就只能装个十手 。 就是就跟 、 跟一个磁带的 Walkman 其实差不多 。 对 ， 就是还不到十手 。 所以就那个时候还就还觉得说 ， 哎呦 ， 如果我 、 我这就是我穷 ， 我要是有钱的话 ， 我就可以装更多的歌 。 然后从那之后就再也没有了 。 就是我 、 我说的这种贫穷和匮乏的感觉 ， 就好像说那个 ， 就是隔壁小王他买得起 3090 的显卡 ， 然后他那个游戏就是比你的漂亮 。 就是你用 1060 你就是垃圾 。 就是那种 、 那种就是受到硬件的或者是性能的约束而导致的那种 ， 呃 ， 差距 。 就这个事在音频的世界里边你都 、 你都想不起来了 。 你已经想不起来了 。 就是因为早就已经人耳无法分辨出任何区别了 。 **重轻** [15:00] 就这一点上是人的这个感官里面 ， 就是视觉感官是最 ， 就信息量接受带宽最大的嘛 。 然后音频其实相对来说比较小 ， 对吧 ？ 就跟它 、 跟视频比 。 所以就是很容易触达到那个上限 。 **Rio** [15:14] 对 ， 就是音频的世界很快就走 、 走向了一些分叉 。 就是那种那个哦呦 ， 这 、 这根线真暖 ， 什么什么这个 、 这个电压什么对这个不这个什么功放的影响 ， 就这种发烧 Hi-Fi 的这种 ， 实际上很多时候都是在自欺欺人的圈子 。 **吴涛** [15:33] 火电听起来比水电要温暖是吧 ？ **重轻** [15:35] 对对对 。 **吴涛** [15:36] 就是玄学嘛 。 **Rio** [15:37] 对 ， 这就是因为它就远远超出那个可感知的那个瓶颈了 。 然后而超出太久了 ， 大家就开始往这方向走了 。 **吴涛** [15:44] 嗯 ， 我记得之前在跟钟青老师在群里面还看讨论过一个 ， 就是什么 ， 呃 ，SD 存储卡的品牌对 。 **Rio** [15:53] 音质的影响 。 **吴涛** [15:54] 对 ， 聆听音质的影响 。 **Rio** [15:55] 让人感到就是崩溃 。 对 。 **吴涛** [15:57] 现在玄学已经发展到这个地步了 。 **Rio** [15:59] 是啊 ，是啊 ， 就说哪个牌子好哪个 。 **吴涛** [16:01] 而且非常的煞有就是它非常的一本正经 。 真的 。 **重轻** [16:04] 这里其实是有一个过渡的是吧 ？ 就是说在传统的模拟音频的世界上， 确实是这个所谓的线材质量是有讲究的 。 但是到了数字音频 ， 好像后面就基本上不再提这么 、 这么一个事了 。 **Rio** [16:17] 就线材就只是质量的差别 。 就是你别 ， 呃 ， 你别坏 。 就是这 、 这你只要不是一个那个有质量问题的线 ，其实基本上你很难听出很大差别了 。 **重轻** [16:28] 我的意思就是说 ， 比如说是一个模拟信号输出的话 ， 它线材是不是会容易受到什么干扰啊之类的 。 有这种 、 有这种讲法 。 **Rio** [16:35] 就是在模拟的环节中， 会受到各种各样东西的干扰 。在数字环节中是没有干扰的 。 你就大家可以这么理解吧 。 就是即使到今天 ， 声音也没有完全的数字化 。 就是最后你比如此时此刻你听到我俩说话的声音 ， 你的耳机里发出的那个我俩的声音仍然 ， 这个至少在你耳机的那个环节里面 ， 它仍然是模拟的 。 就是数字只是中间传输的那过程和那编码解码的过程 。 **重轻** [17:00] 其实这个很好 、 很好的切入点 。 就是说我们现在我们这这期节目主题是讲数字的声音嘛 ，Digital Sound。 ### 数模转换 **重轻** [17:06] 那可能先说模拟的声音 ， 大家可能都有一点模糊的概念是什么一个东西 。 那其实在数字声音里面 ， 刚才提了一个很关键的问题啊 ， 就是数字这个领域和模拟领域的分界线在哪里 ？ **Rio** [17:17] 就是首先啊 ， 就直到人脑后插管之前 ， 我们接收声音永远需要用 ， 就是用模拟的方式来接收 。 就是我们除非脑后插管了 ， 否则的话就是 ， 呃 ， 没有新的人机接口的革命 ， 就不可能有这个接收数字信号 。 就是人只能接收模拟信号 。 因为你的那个耳朵里的耳膜需要那个被空气的那个震动引发震动 ， 然后再传导到你神经里 。 所以这个过程肯定是模拟的 。 我们说模拟就是 Analog， 就是这个 ， 就是就是在声音的世界里就震动嘛 。 对 ，但是那个在中间的那个传输的过程和存储的过程和编码和解码的过程 ， 这个就是数字了 。 所以这个数字永远在中间 。 那个两头都是模拟的 。 就是你把这个声音记录下来 ， 这过程是模拟的 。 然后把声音给那个又拿出来播放的这个过程是 、 是 、 是模拟的 。 中间是数字 。 **重轻** [18:08] 那比如说我现在戴着耳机听你们的声音哈 ， 这个数字转模拟的那个过程 ， 我的理解应该是说在手机里面有一个叫做什么 DAC 的芯片 ，是不是 ？Digital， 哎 ， 叫什么 ？ **Rio** [18:22] 对 ，Analog Converter。 **吴涛** [18:24] 就实际上就是一个内化 、 内化在里面的声卡 。 就我们的手机其实也都是带着声卡的 ， 可以这么理解 。 **Rio** [18:30] 对 ， 这个录那个就是回 、 回放的这过程叫 DAC。 就是 、 就是 Digital to Analog Converter。 然后那个录音的这部分 ， 就是你话筒这部分是 ADC 嘛 ， 就是 Analog to Digital Converter。 **重轻** [18:43] 嗯 ， 那 、 那所以这里就有个很有意思的问题了 。其实对于不同的这种耳机 ， 它这个 DAC 所处的位置 ， 或者发生的这个就是 Digital 转的模拟的这个 ， 就数字转模拟这个位置 ， 这个发生的时间点也是不一样的 。 比如说我现在戴的是一个有线的这个耳机哈 ， 假设它是一个 3.5 毫米的话 ， 那它的这个 DAC 过程肯定是发生在手插到手机 、 手机里面那个声卡 ， 对吧 ？ 但有时候如果你是一个 ，但你戴着一个 AirPods， 那据我理解 ，AirPods 就是 iPhone 传给 AirPods 的还是数字信号 ， 然后 AirPods 在它的那个 ，在它的那个就是那个 、 那个小芯片里面完成了这个数字转模拟 。 所以它是发生在你的耳朵里面的 。 **吴涛** [19:23] 这个这我觉得这个应该分两部分吧 。 就是它有两步 ， 就是你传输的那个数字信号是已经 ， 呃 ，是描述音乐 ，是描述声音波形本身的数字内容 。 而你 ， 呃 ， 这部分数字内容实际上是在手机里面已经怎么说 ， 就是解 、 解码过一次了的 。 就 、 就好像 。 **重轻** [19:48] 这不一定啊 。 **Rio** [19:49] AirPods 是没有的 。AirPods。 **吴涛** [19:51] OK。 **Rio** [19:51] 就是它们自有私有协议 ， 这 、 这咱不懂 。 **重轻** [19:53] 对 ，不一定 。AirPods 它是它是那个 AAC 写 AAC 的那个格式的嘛 ， 我记得如果是播音乐的话 。 **吴涛** [19:59] 对 ，AAC 是对音乐内容的压缩 。 就是音乐内容是以 AAC 的形式存储在这个文件里的 。 然后把 AAC 解码了之后， 它会变成一个对于声音的波形的描述 ， 对吧 ？ 然后这个对声音的波形的描述再传到你的耳机里面 。 然后因为 AirPods 有一个特点 ， 就是它是所谓的 Computational Audio， 就是它会根据你的这个心理声学模型再给你计算一遍你应该听到什么样的声音 ， 然后把这个计算完的声音播放出来 。 呃 ，但是你要说耳机里接受到的这个数字信号 ， 呃 ， 跟比如说一根线里面传输的这个数字信号有什么差别 ？ 我觉得可能还是有差别的 。 应该还是有蛮大的差别的 。 **重轻** [20:42] 因为有线的耳机它肯定里面跑的不是数字信号了呀 。 这肯定是个模拟信号了已经 。 **Rio** [20:47] 就 、 就你要用有线耳机的话 ， 那有 、 有线耳机的线里就是是模拟信号 。 就是如果你用 AirPods 的话 ， 那那个手 、 手机和 AirPods 的中间肯定是数 、 肯定是数数字信号 。 要不然不是疯了吗 ？ 你 、 你怎么着 ？ 你是你手机在发广播吗 ？ 它 、 它 、 它在剪 、 剪照片吗 ？ 不可 、 不可能啊 。 **重轻** [21:03] 对 ， 所以现在唯一不太明确的就是说这个所谓的蓝牙耳机 ， 它中间这个蓝牙传输的是什么 。 然后比如说像传统的 ， 它是什么 SBC 编码的 ，也是一种数字信号嘛 。 然后到了这个蓝牙的那个耳机芯片 ， 它接受的才把 、 再把它转模拟 。 就大概是这么一个过程 。 那至于 AirPods， 它其实根据不同的使用场景 ， 比如说你是用来通话 ， 好像是一种一种编码协议 ， 或者它用来听音乐 ， 好像又是另外一种 。 所以这里面我没有那么明确的一个答案 。 **吴涛** [21:30] 这个好像也侧面印证了耳机 ，有线耳机是一个实际上是一个非常古老的技术了 。 就是 80 年代的时候 ， 甚至 70 年代的时候 ， 这种耳机插孔那个时候是什么 1/2 英寸 、1/4 英寸的 。 哎 ， 等等 ， 我们现在的这个手机上的 ， 就是还有是耳机插孔的手机上面的这个插孔是多宽来着 ？ **重轻** [21:50] Quarter inch，1/4。 **吴涛** [21:51] Quarter inch， 对 ，1/4 inch。 然后以前那种老式的设备用的是 1/2 inch， 就它要粗一圈 。 但这个东西好像已经至少有 50 年没变过了 。 有没有 ？ **Rio** [22:03] 哦 ， 关于音频的所有标准都是老掉牙的 。 就是我刚才说 ， 就是因为这个东西的瓶颈很早就超过了人可以感知的范围 ， 所以这个行业就是没有资金 ， 就是没有投资 ， 呃 ， 那个进来 。 就是所以这行业发展非常的缓慢 。 就是你比如说那个乐器和乐器之间使用的协议叫 MIDI 嘛 ， 那个 MIDI 的那个协议已经已经 40 多年没有动过了 。 就是现在在 USB 线里跑的还是当年的那个 ， 就是 MIDI 线里跑的东西 。 就是 。 **吴涛** [22:34] 就完全够用了 。 **Rio** [22:35] 80 年代的那个 。 对对对对对 。 **重轻** [22:37] 就最近最近 10 年可能最大的接口变化 ， 就是这个苹果手机换成了这个 Lightning 接口 ， 没有用那个 3.5 毫米接口了吧 。 **吴涛** [22:44] 对 。 **Rio** [22:44] 那这种变化也只是很局部的 。 它解决的是那个蓝牙设备的那个 ， 就是传输的速度和对音质的那个保证的情况下， 尽量就是减小它那个数据包的这个的这个问题 。 这是其实是很 、 很微观的一个事 。 **重轻** [23:00] 那就是我们讨论数字声音 ， 我们知道的数字和这个模拟的界限啊 ， 一个就是说你的话筒输入的一个信号 ， 被你的一个采集设备 ， 可能是一个声卡 。 比如说我现在用我的我在录音的设备 ， 我给你们讲话录音的设备是一个 USB 的这个麦克风 ， 然后它是在它内部完成了这个模拟转数字 ， 对吧 ？ 然后传输一个数字信号到电脑里面 ， 通过 USB 接口 ， 然后你们听到我的声音是一个数字 ， 这个经过我们现在通过微信在聊啊 ， 压缩过传到你们那边 ， 微信解码通过手机再放出来 。 呃 ， 就我们就先不管模拟那部分 ， 我们就数字的 ， 就是我们讲数字的边界都已经找到了 。 就是两个声卡之间其实是 。 **吴涛** [23:38] 对 。 **重轻** [23:38] 那中间发生了什么 ？ 就我们可以一步一步去分析一下， 看这个过程到底实现了一个什么样的 ， 呃 ， 这个数字化的操作 。 **Rio** [23:46] 如果你要说录音这部分的话 ， 就很简单 。 就是它那个 ADC 芯片把它那个模拟信号 ， 就是模拟就是那个电 、 电信号 ， 就是电的那个 ， 就是电压的在每一个瞬间的那个变化 ， 给它那个给转化成 0 和 1， 就转化成数字 。 然后它或者就是被存储了 ， 或者就是通过那个就是微信或者什么样的程 、 程序 ， 就是 stream 到那个其他地方去了 。 所以在这传输的过程中呢 ， 又因为那个带宽特别小 ， 或者大家想要就是最流畅的那个的 ， 就是就不会一整就断了的这种 ， 呃 ， 这比较好的体验 。 所以呢 ， 它要要引入那个压 、 压缩的算法 ， 就让这个 ， 呃 ， 就是这个声音 ， 比如说那个每 、 每一秒钟的声音所需要的那个比特数尽量的少 。 所以这个就是一个音频压缩 ， 这是一巨大的一事件 。 从过去的 MP3 到现在的的那个 AAC， 这是一个很大的话题 。 **重轻** [24:39] 哎 ， 这里就有很多细节问题了 。 首先就说我 、 我们这个 ， 我们以前也学过这个物 、 初中物理还是高中物理 ， 说声音是一种波形嘛 ， 对吧 ？ 那那个波形被这个麦克风采集到 ， 它 、 它对应的那个电信号 ， 那个模拟电信号 ， 它也是一个波形嘛 ，也是一个正弦波构成的一个信号是吗 ？ **吴涛** [24:56] 不是正弦波 ， 它就是波嘛 。 就是一个烂晃的一个波 ， 看着跟噪音一样 ， 就是看着跟很无序的那种波一样 。 实际上你把那个你把那波形撑得特别长之后， 你看到的就是来回抖动的这么一个上上下下的这么一个 。 **重轻** [25:09] 那它怎么这里所谓有一个 ， 我记得有个叫做采样的一个过程 ， 才能转化成一个数字信号嘛 。 就这个过程是怎么一回事 ？ ### 采样原理 **Rio** [25:15] 咱们先别说传输啊 ，因为你一说传输 ， 你就把仨话题给捏在一起聊了 。 咱就光说这个说录音吧 。 因为那个录音是最简单的 ， 就是你把它给存下来了嘛 。 就是 、 就是所以咱们就就是讨论这个录音这个事 ， 你能看到就实际上 20 世纪就是人类的这个声音的保存 ， 就先不管传输啊 ， 就是保 、 保存它发生了两 、 两次那个进化 。 这个进化实际上也是一种劣化 。 它从最开始的纯模拟 ， 就是你把声音给录到那个那种模拟的一根钢丝的那个开盘带上， 然后或者然后你把那个作为那母 、 母带 ， 然后又给转录到就是到黑胶唱片上 。 那黑胶唱片里边的那个纹理 ， 那一圈圈的纹理 ， 基本就等同于咱们现在在这个 DAW 里边能看到的那个波 。 就是它就把那波给刻上去了 ， 就是原样的给刻到那个凹槽里面去了 。 那凹凹凸凸的 ， 就如果你拿放大镜看的话 ， 这样的话就不涉及到数 、 数字转换的过程 。 然后呢 ， 就是后来就有了 CD 嘛 ， 就是相当于把声音给它那个在无损的情况下给保存到那个电脑里去了 。 然后这个时候呢 ， 就涉及到你刚才说的这个采样率 。 采样率这个这事就是先不管它采样多少啊 ， 就是它采样再高 ， 它也是一次 ， 它也是一次劣化 。 你可以这么理解 ， 就是因为那个你的声音是绵密的 、 连续的嘛 ， 就是是任何一个瞬间和上一个瞬 、 瞬间都是连续的 。 只要你这个每秒钟你记的那个数 、 数据的点是有限的 ，不管是 4 万多个点 ， 还是 8 万多个点 ， 还是 9 万多个点 、10 万多个点 ， 它这点和点中间的信息就被你给舍 、 就被你给舍弃掉了嘛 。 这就是一次近似 。 它为什么敢舍弃这个呢 ？ 就是因为人耳听不出来了 。 当你的采样率到了人耳的听觉的那个频率上限的两倍以上的时候 ， 根据那个奈奎斯特香农采样定律 ， 人耳就不能再分辨出区别了 。 那么人耳不能分辨出区别的东西 ， 就就等同于不存在 。 咱就把咱就把它撇了就得了 。 所以这就已经舍 、 舍弃了一批信息了 。 这就是第一次进化 ， 就是从那个黑胶到 CD， 或者说从磁带到 CD。 然后第二次的那个进化 ， 或者说第二次的劣化 ， 就是从无损又变成了有损 。 就是 CD 的那个那个就是它的字节数 ， 比如说一秒钟的声音的字节数太大了 。 因为我们需要后 、 就是后来有了有了互联网 ，因为因为 CD 是前互联网时代的东西 。 然后后来我们又又为了传输 ， 怎么样 ， 就是把很大的数据量塞 、 塞进很小的水管里 ， 就很 、 就很痛苦嘛 。 所以需要那个就是尽量降低这个比特数 ， 或者说是一个字节的效率 ， 尽量提高 。 所以那个声音又被劣化了一次 ， 就是从那个无损变成了有损 。 但是呢 ， 它的那个就是随着 MP3 就是就是破天荒的出的出现 ， 这个对字节的需求降低到了之前无损的 1/12 左右 。 就是原来 CD 的那个无的的无损的存储的那个一那个一首歌可以可以存它 12 遍 ， 就是用 MP3 来存的话差不多 。 **重轻** [28:19] 这里提到了其实中间已经两个过程了哈 ， 已经从这个采那个什么采集到编码了这个过程 。 我们先看采集那里 ， 就说怎么从一个模拟信号变成数字信号 。 这那个采样的过程中， 它到底记录了什么东西 ？ **吴涛** [28:32] 电压吧 ， 我要没理解错的话 。 **Rio** [28:34] 对对 ， 就是它用电来记内振动 。 就是人类最早发明的那个录音的东西 ， 就是一个一个铁丝在那个纸上， 那个铁丝的尖 ， 就那铁丝是个 L、L 型的铁丝 ， 就有点像那个那个叫什么表 ， 反正就是随着振动 ， 它就是就是它会那个 。 **吴涛** [28:53] 呃 ， 万用表 。 **Rio** [28:54] 对对对 ， 就是你你你对着它那个大喇叭唱歌或者是怎么样的 ， 然后它就会把它收到的这个振动直接传导到没有任何加工啊 ， 就是它就把那个声音的振动就传导到了那根我刚说的铁丝上， 然后那个铁丝的那个尖儿蘸着蘸着那个墨水 ， 它就会不停的在它底下垫着的那张纸上滑 ， 就不停的左右振动滑 。 这个你能想象吗 ？ 这个是没有什么科学技术可可可言的 ， 就是最原始的 ， 它把振动传导过来 。 **吴涛** [29:25] 最原始好像是在什么煤 、 煤灰 、 一一张煤铺了煤灰的纸上弄的 ， 我记得 。 **Rio** [29:30] 对对 ， 然后它来回刮的这过程中 。 **重轻** [29:33] 它它为什么会那个针为什么会振动呢 ？ **Rio** [29:35] 就是针的振动是通过它那个力矩把它那个振动范围给放大了 。 就是任何你只要这个东西 ， 你比如说你那个喇叭那个那个那个那个铁质的那个收音的那个东西 ， 它收到了你你的声音 ， 它不是被你被空气给带着振动起来了吗 ？ 它的这个振动是非常小的 ， 所以你不觉得它在振动 。 然后又然后它把这个振动就直接绑 ， 就是它把它给绑绑在一个那个一个那个铁丝上， 那个那个铁丝它不是很长吗 ？ 所以它就把那个振动给给给放大了 ， 就放到放大到你你你肉眼可可见的程度了 ， 就跟杠杆一样 。 然后它放大了之后呢 ， 这个底下垫的那张纸 ， 就是它它再做一个简单的装置 ， 让那个纸不停的往前拉 ， 就是或者是就是就跟那个打印机似的 ，但是它走它走的很快 ， 就是刷刷就往前走 。 所以它那个振动的时候 ， 它不就那 L 型的铁丝那个尖儿就不停的把这个就是这种不规则的振动的那个左右左右的这个东西给记录到了这张纸上吗 ？ 这个纸就变成了就人类的第第一个波形 。 **重轻** [30:33] 这个跟那个心电图那个记录的原理是不是也是一样的 ？ **Rio** [30:36] 完全一样 ， 只不过这个非常非常非常的快 。 就是模拟这部分就是这样 ， 然后你就把它给想象成就是它振动的这个东西记在纸上， 就是一个模拟到模拟的过程 。 然后你把这个过程变成模拟到数字 ， 就是它要有那个芯片 ， 它把你这个振动转化成那个就是电的变化 ， 电流或者是电压的变化 。 **重轻** [30:57] 就这里通常的一个原理是说 ， 它是靠那个麦克风里面有两片两片带电荷的薄片的距离 ，因为那个振动导致那两个薄片带电荷的带电的薄片的距离产生变化 ， 从而连接两根导线上面电压或者是是电压 。 **吴涛** [31:13] 有微小的变化 ， 对 ，是电压 。 **Rio** [31:15] 对对 ， 电压有微小的变化 。 然后这个电压的微小变化被一个这个芯片探测到 ，并把它就就有一个读数了嘛 ， 等于是 。 **吴涛** [31:24] 它它有个离散化的过程 ， 就是它每秒取固定的次数的样 。 **Rio** [31:30] 对 ， 然后它每隔一个非常短的间隔 ， 它就把这个数给记下来 。 就那个电压 ， 比如从 -5V 到 +5V 的那个的某的某某一个区间 ， 就不可能比这个数更更大了 。 然后它就把这个数给抄下来 ， 只不过抄的那个频率非常快 ， 就是一秒钟要要它要抄 4 万多多次 ， 这个间隔是均匀的 。 **吴涛** [31:47] 而且抄的这个数一定是个整数 。 **Rio** [31:50] 这又是另外一个话题 ， 就是比特深度的问题 ， 就是你这个数的颗粒度有有有多大 ， 就是那个比特深度 ， 就是我们所谓的 16 比特或者 24 比特 。 **重轻** [31:59] 我就这里刚才那个采样 ，是不是还有一个叫做采采样率这个问题还没有解释 ， 就说这个 4 万多次是什么 ， 这就是我们讲的采样率 ， 对不对 ？ **Rio** [32:06] 哎 ， 对 。 **重轻** [32:07] 就你们你们别太快 ， 我们我很小白的 ， 这个很多听不明白 。 对对对 ， 就是所谓采样率 ， 就是说每秒钟记录了多少次这个电压的变化 ， 对吧 ？ 然后根据那个奈 、 奈 、 奈奎斯特香农这个理论 ， 就说因为人的这个能够感知的声音的频率是 20Hz 到 2 万 Hz， 那么采样率的话我就大就是两倍那个就可以了 。 所以我最多只要采个 4 万多次 ， 就可以记录到人耳所能听到所有的声音的那个频响的范围 。 **Rio** [32:40] 对对对 ， 就是最少你记 4 万多次就够了 ， 你可以记 2 万多多次 ， 这样的话你那声音会变得很黯淡 ，因为你那个 1 万以上的赫赫赫兹那个那个那个信息就被你给舍掉了 。 **重轻** [32:51] 就没有所谓的高频部分 。 **Rio** [32:53] 对 ， 就是它那个采样定律的那个说的意思就是你要留住最高多少赫兹的信息 ， 你就要用二倍于这个赫兹的频率去采样它 。 就是它说的这个事 ， 它当年它提这个事其实跟声音没有没有点关系 ， 它说的就是那个通讯 ， 就是一般意义上的你传输信号的时候 ， 所有的信号你都必须要遵从它这个事 ， 就是这是一个 。 **重轻** [33:18] 才能够完美的还原出来原来原始的那个信号 ， 对吧 ？ **Rio** [33:21] 对 ， 就是你想象一下， 如果你在就是现就是现在你在纸上画一个正正弦波 ， 你至少要踩两个点才能把那个正正弦波反映出来 。 就是最少啊 ， 最最寒酸 ， 最寒酸 ， 你得把那个顶峰的那个点和最低谷的那两个点都就都给抄下来 。 如果这两个点你没抄下来的话 ， 那这波形你在就等你在还原它的时候 ， 你就你就还原不出来了嘛 。 **吴涛** [33:41] 对 ， 信息就丢失了 。 **Rio** [33:42] 对 ， 如果你只有一个点的话 ， 你比如说啊 ， 就是如果你用一一倍于这个信息所在的频率的那个频率去采样它的话 ， 那么这个点你你你就比如说你每一个正弦波的周期里 ， 你都只抄到了它波峰的那个点 ， 你获得到的这个信号是平的 ， 你能想象吗 ？ 就是你的点全都是那波峰 ， 你连起来以后就是一横线 ， 就就这样就等于就就没信息了 。 **重轻** [34:04] 就就之前有一个就是在关于这个采样频率的争论里面 ，其实有一个很通常的误解 ， 我也是看了好几次才看明白了 ， 就是说就是也就就是关于那个奈奎斯香农采样定律的 ， 就为什么说我两倍的采样就能够完美的还原原始的那个信号 。 **吴涛** [34:20] 呃 ， 这句话其实是有有歧义的 ， 就是它不能完美的重现原来的信号 ， 它只能说如果你以这个频率的二倍去采样 ， 你就可以最高还原出这个频率的信号来 。 就是因为我们原始的信号实际上是有很多很多无频率的 ， 就是你要愿愿意去把一个波形信号从呃所谓时域转换成频域的话 ， 你可以看到它的频域上实际上是有非常非常多的复杂的信号 。 但是因为我们可能感兴趣的信号就只在某一个频率之之下， 所以你只需要采采集到这个频率就可以了 。 **Rio** [34:56] 对 ， 就这么说吧 ， 就是如果你不用 2X 的频率去采样这波的话 ， 那么那个在 X 的那个位置就不会有信号 ，因为信号是是是是时间概念的东西啊 ， 就是任何一个时间点 ， 你的这个你嘚子的这个玩意儿就只处在一个位置嘛 。 咱们现在要把它转化成频那个频率的世界 ， 就是就是你要你你要侧着看这个事 ， 然后就是任何一个波形它都能够分分解成这个比如说 1Hz、2Hz、3Hz 到一直到 2 万赫赫兹的那个 ， 就是在每一个频率上它不是对应了不同的能量嘛 。 这就是这这是一个傅立叶变换的过程 。 **吴涛** [35:31] 所有关于信号与系统和傅立叶变换的痛苦回忆又回来了 。 **重轻** [35:35] 解释一下什么是傅立叶变换 ，并不是所有人都是有这个理工背景的 。 **吴涛** [35:40] OK， 呃 ， 傅立叶变换是人类数学史上最大也最实用的发明之一吧 。 傅立叶是一个数学家 ， 呃 ， 关于他的功绩我们各位可以自己去查 ，但是傅立叶变换是以傅立叶闻名的 ，因为是因为傅立叶发现了一个非常非常非常重要的原理 ， 或者说他发现了一种非常重要的现象 ， 就是任何复杂的波形都可以通过叠加呃正弦波来充分模拟 。 ### 傅立叶变换 **吴涛** [36:13] 怎么解释这件事呢 ？ 就是比如说我们现在说话 ， 或或者说你如果你会任何一种乐器的话 ， 你去拨动一下这个乐器的琴弦 ， 或者是让它弹出一个音来 ， 你如果用一个假如说刚才重轻老师提到的一个设备去把这个声波画在纸上， 你会发现这个画在声波实际上是非常怎么说奇怪的一个波 。 但是傅立叶定理告诉我们 ， 或者说傅立叶发现了一个事实 ， 就是你可以用呃各种各样频率的正简单的正弦波去模拟这个声波 ， 只要你叠加的正弦波足够多 ， 这个这个声波就可以被几乎完美的还原出来 。 而生成正弦波是一个非常非常简单的事情 ， 就是所谓正弦波就是 sin 和 cosin， 对吧 ？ 那你而生成 sin 和 cosin 的方法有很多很多种 ， 然后有了傅立叶定理我们就知道了 ， 我们只需要不停的去生成足够细致的正弦波 ， 我们就可以把刚才说的这个非常复杂的一个波形记录或者是还原出来 。 **重轻** [37:17] 那我可不可以这么理解这个话 ， 就是说任何的这个我们我们讨论的这个声音哈 ，不管是人耳能听还是不能听的 ， 虽然说它的这个信号都会很复杂 ，但是只要我们通过这个傅立叶变换是可以把它分解为呃多个这个简单的正弦波的叠加 ， 所以那我们只需要去记录它这个在同一个时刻那个对应了哪些正弦波的这个这个不同的频率范围 ， 我们就 可以把这个声音给记录下来了 。 **Rio** [37:44] OK， 这块我这块我要来那个就是再辨析一下这个事 ， 就是咱们咱们那个当存储一个声音的时候 ， 就不涉及傅立叶变换 ， 就是我们刚才提到傅立叶变换的原因是我们要试图解释那个香农采样定律的那个发发生的原因 ， 就是你你想要看到香农香农采样定律那个就是对于信号传输时候发生的作用 ， 你必须要从那个频率的视角来看 。 但是当你记录一个声音的时候 ， 如果不考虑对这个事进行压缩 ，因为你对音频的压缩是一个深似海的话题啊 ， 先不说这个 ， 就是如果你就是把声音给给录到那个 CD 里面的话 ， 你只需要做一个最无脑的工作 ， 就是每 44,100 分之一秒抄一下那个它给你的电压就行了 ， 你就你就你就一秒钟记 44,100 个数就行 ， 就非常简单 。 傅立叶变换发生在信号的压缩和信号的传输过程中， 因为你想吧 ， 就是你这个信号在电线里跑的这过程其实是很脆弱的 ， 就是它受到各种事的的影响 ， 然后另外就是你的带宽是有限的 ， 就是你想要保证你的信号能够能够能够传到对方的那边 ， 就是所以那个傅立叶变换就是是在这过程中发挥作用 。 但是你想要理解 ， 就是咱们今天聊的所有的事 ， 你都必须得从那个频率的视角看声音 ， 如果你不这么看的话 ， 就是你就什么都呃没法去理解 ， 就是这这这这是一视角 。 **重轻** [39:06] OK， 那那这里是还是起到回到那个香农那个定理的问题 ， 就是说假设我们人耳是最多能听到 4 万赫兹 、2 万赫兹的声音 ， 根据那个香农定理 ， 我们得采用两呃用 4 万这个赫兹的频率去采样 ， 这样的话就可以完就可以还原出这个人类能听到的应该说绝大部分人能绝大多数人类能听到的 ，他能够听到的所有的声音 ，是这么理解对吧 ？ **Rio** [39:31] 对 ，但是它它不是完全精确的啊 ， 就是但是就是它能保证你只要用了超过 4 万赫兹的那个频率去采样的话 ， 能保证你在 2 万赫兹的位置有有信号 ， 否则的话它那个 2 万赫兹位置根本就不会有信号 ， 就是就是这意思 ， 就是它高频没有声音 ， 那个明亮尖锐的那部分的声音就丢了 。 **重轻** [39:49] 那如果我用更高的采样频率 ， 比如说之前有有那个有一个那个音乐流播平台叫什么 ， 是一个音乐家是买下来的 ， 后来好像没做起来 ， 我一下忘了名字了 ， 然后他当时说我要做最高品最高品质的声音 ， 所以他都是什么 99 万 6 对吧 ，96K 赫兹采样的声音 ， 就这个有意义吗 ？ **吴涛** [40:08] DVD 里面好像现在默认也是 90 万对吧 ？ **Rio** [40:11] 现在不算是啊 ， 现在还有 192K 呢 。 **重轻** [40:13] 对于大多数人来讲啊 ， 就是说 9 万 6 这个赫兹采样的声音和 4 万 4 采样的声音有有区别吗 ？ **Rio** [40:20] 它不是一个人耳可以感知的东西 ， 我只能这么说 。 **吴涛** [40:23] 它没有办法通过双盲测试是吧 ？ **Rio** [40:25] 对 ，有大量的多数类的信息 ，但是你感觉不到 。 **重轻** [40:27] 嗯 ， 那这里有一个因为一个很很小的问题啊 ， 就是说 4 万多肯定就是说对于这个绝大多数人类都已经可以了 ，不排除有一些天赋禀异的这种极少数个人可能能感受到更高或者更低频率的声响 ， 这个是现在例外人群哈 ， 就是我们日常用的这个采样频率对于音乐来讲通常就是这个 44,100 这个这么一个采样频率 ，但是也有一个 4,48,000， 就这两个数字怎么来的 ？ **Rio** [40:51] 啊 ， 就是不同的标准和规范嘛 ， 就是 CD 当年定的就是 44,100， 后后来全行业就是在最终就是最终这个声音被用来销售和发行的时候 ，不管你是拿多少赫赫兹去那个做的 。 **重轻** [41:05] 就这是一个行业标准 。 **Rio** [41:07] 对 ， 最终你发行的时候必须是 44,100。48,000 是在在在录音棚里边很多人区比较愿意用的那个的一个频率啊 ， 就是就像就是一种惯例吧 。 **吴涛** [41:18] 为什么我从来没有听说过 48,000 这个这个这个标准啊 ， 这个标准是 。 **Rio** [41:22] 不是标准 ， 就是一种习俗 。 **重轻** [41:24] 那就是这两个数字有什么来头吗 ？ 就为什么是这两个特定的数字 ，而不是比如说 49,000 或者是 5 万 ？ **Rio** [41:31] 44,100 是菲利普定的吧 ， 就是就是那个发明 CD 的时候的那个厂家定的 ， 那个 48,00048,000 并不是一个谁定的东西 ， 就是就据我所知啊 ， 就你有有可能我不知道 ， 就是反正咱们能听到的音乐应该就是成品嘛 ， 就是已经做完了拿出来给大家听 ，不管是通过 AAAPP 来分发 ， 还是通过那个 CD 来分发 ， 它都是那个 44,100。 **重轻** [41:53] 啊 ， 这里就完成了这个采样得到一个一个频率的信号了 ， 那这个就是记录在比如说是在我们一个所谓的那个 wave 格式里面 ， 对不对 ？ 但这个里面的每一个每一个这个每每几个字节吧 ， 就是把它记录下来 ， 这里就就牵扯到刚才吴涛刚才问那个问题 ， 就是说这个所谓我这个数字到底要记得多精确 ， 对吧 ？ 要用多少个 beat 来记录那个点 ， 我们我们每秒钟有 4 万多个点嘛 ， 对吧 ？ 那一个点有多宽 ？ 就这个东西现在是一个什么样的情况 ？ ### 比特深度 **Rio** [42:23] 哦 ， 这个叫比特深度 ， 就 bit depth， 就是我们通常说那个音频规格的时候 ， 永远是要同时说频率和比特深度的 。 如果你只你你你就如果你只说一个的话 ， 大家就会就是很对 ， 就是通常这个标准就包含这两个 。 那个比特深度就是比频率更更难理解一点 ， 比特深度就是你这个数字从最小到最大你要拆多少份 。 如果我们把天崩地裂的声音都给记录下来 ， 就是把那个能能把别人阵龙的声音给记录下来 ， 然后再把它那个刻到 CD 里让别人听 ， 那 CD 发出来的声音也不会把那个听听 CD 的人给阵龙 ， 对吧 ？ 因为那个声音是有限的 ， 就是所以这个声音从最从完全的沉默到最大是一个有限的范围 ，而且是一个比较比较比较浅的范围 ， 你可以这么来理解 。 你涉及到从模拟到数字转换的时候 ，不会有一个完全就是完美的那个静静音 。 所以就是从底噪到你最大的那个声声音 ， 你要拆成多少份 ， 就是如果是 16 比特的话 ， 就是那个 6 万六七 65,536 份 ， 然后如果是 224 比特的话 ， 就是 1,600 万份 。 所以就是你拆多细 ， 拆多细呢 ， 就反映在你就想象那个那那个波形 ， 你每个瞬间抄它那数的时候 ， 那个数比那个数最小程度的大一点点和比最小程度的比它小一点点 ， 到底它俩差多大 ， 就是就是或者说是最大到最小一共分成多少份 ， 这这个对应的就是咱刚才说这个 6 万多这个数 。 **重轻** [43:50] 嗯 ， 记录声音的时候 ， 比如说我们假设它记录这些还是回到那个电信号 ， 比如它是一个正 5 伏和负 5 伏 ， 这里面对应的有一个所谓的正负的概念 ， 对吧 ？ 那所以它在用什么格式记这个 ， 假如都是用比如说是就是这个 8 个比特来 ， 我们简简化一点 ， 就 8 个比特来来记的话 ， 它这里这个正负数怎么表示 ？ **Rio** [44:10] 应该就是哎 ， 这我真不知道 ，但我但我猜应该就是理论上就是那个负负负 5 伏吧 ， 就是或者就是那个最就最低波波形的最对对对 ， 所以这个数字从从那个负 5 伏到正 5 伏 ， 对应到数字的世界里面的那个就是那个动态范围嘛 ， 就我们管这个叫 Dynamic Dynamic range。 **吴涛** [44:29] 这跟那个显示器的图像其实是是是一样的吗 ？ 就呃你你 8 比特的色深跟 16 比特的色深是不一样的 。在颜色的那个存储里面 ， 那个动态范围的的那个就是对于图像的影响是巨直观的 ， 就是都不用咱们在这废话 ， 比如说你把一个那个就是比特数 ， 就是位数特别特别高的那个 ， 就是实际上 HDR 就是位数提高了 ， 就是你的那个每一个像素 的那个对对对 ， 它不是多了几个比特 ， 它是从多少来着 ， 反正就是多了一些字节而分配到每一个像素上， 每一帧的每一个像素上， 所以就导致它的颜色 ， 它的黑 。 **重轻** [45:09] 哎 ， 那那那就是一个无限深的坑 。 **Rio** [45:12] 对对对 ， 就是就是让它的黑可以变得更黑 ， 就是你的那个 Dynamic range 就变得更大 ， 就像我们说的让沉默可以更沉默 ， 就是这样 。 **重轻** [45:22] 因因为我们日常用的那个所谓的这种无损的这个声音格式 ， 通常就是这个 wave 或者是那个苹果那个 AIFF 嘛 ， 它里面都有一个选项 ， 就是说你得选那个这个声音的这个格式 ， 刚刚说采样率 ， 采样率是记录说你你每一秒钟有多少个这个点嘛 ，但是每个点它会让你选 ， 通常有这么几种啊 ， 这个叫做整数 integer， 然后有多少位 ， 对吧 ？8 位 ， 可能是或 者是 16 位或者 24 位 ， 通常是这么几个哈 ，但是有时候它也让你选浮点数 ， 就这里面我就不太理解了 ， 就说这里面用整数和用浮点数有什么区别呢 ？ **Rio** [45:55] 我靠 ， 接不上话了 。 **吴涛** [45:57] 我怎么从来没有看过这选项 ， 哈哈 ， 我从来没有遇到过 float 这个选项 ， 完全不懂 。 **重轻** [46:02] 比如说你现在你们都在苹果设设备上面 ， 对不对 ？ **吴涛** [46:05] 对 。 **Rio** [46:05] 对 ， 然后你去开一个命令行 ， 它会有一个你会用一个叫 AF16， 呃 ，AF convert， 就是 audio format convert 的一个一个命令 ， 然后你直接你直接运行它 ，不要输任何参数啊 ， 就是输杠 h 吧 ， 输杠 help 的一个参数 ， 然后它会出一个 menu， 然后它会它会的第一个 general option 的第一项就是这个 data format， 就数据格式 ， 然后它里面就有选 ， 看到没有 ，有 B1L1， 这个讲的是叫做呃 ， 就是 big Indian 和这个 little Indian， 这个我们在之 前的节目里面讲过 ， 就是大端和小端的问题 ，因为如果说你的不是你不止一个 ， 你不止一个 byte 来记录这个格式的话 ， 就存在说你的这个数字是从呃 ， 从大到小是怎么一个摆法的 ， 对吧 ？ 这个我们就先不管它 ，但是后面会想说是应该是 float 或者是一个 i， 就是 integer， 对吧 ？ 然后这个 i 下面还有一个选项叫做就是 ui， 就是 unsigned integer， 所以这边有很多种组合 ， 然后后面就是那个 816243264， 这个就是那个比特位数嘛 ， 所以这里面其实你看有好多种组合 ， 所以你首先你得选是大端还是小端的 ， 如果你是整形的话 ，因为浮点它有一个规定的一个格式 ， 就 相对来说比较简单嘛 ， 然后就说然后你还可以选是整形还是浮点数 ， 对吧 ？ 然后后来再再选这个所谓的比特的这个深度 ， 刚才讲的这么一个一个东西 ， 前面那个大段小段我好理解 ，因为这个跟整形的那个数有关系 ， 后面那个比特深度我现在也能够理解 ， 就是说记录的这个所谓的这个精细程度嘛 ， 哈 ， 就记录的越精细 ， 我可能能记 录的绝对值更大 ， 或者是那个响度的这个就是更加的这个细密 ， 这个我也能够理解 。 但现在我一直没有想明白 ， 就是说我这里选浮点和选整形的话有什么区别呢 ？ 就是我现在能想的就是浮点数按照那个就是 IEI triple e 那个多少的那个规范来讲 ， 它浮点数是说它是有一个叫做这个 exponential 的那个多少倍的倍率 ， 再加一个精度 ， 比如假设我是一个 64 位或者 32 位的浮点数吧 ， 对吧 ？ **吴涛** [47:55] 我能想象的就是它利用了这个 IEI triple e 的标准 ， 然后因为你的浮点数 ， 它可以相当于根据你的需求在不同的精度范围上调整它的那个 ， 哎呀 ， 那个术语叫什么 ， 就是调整相对调整一个权重嘛 ， 就是如果你这个浮点数是特别特别小的话 ， 对 ，有效数位 ， 然后你把这个浮点数的可以少浪费 ，是这意思吧 ？ 就是可以少可以少记一些 0。 **重轻** [48:19] 那这里面就有一个很有意思的问题 ， 刚才提到我们有提到一个概念 ， 就是说你记录的那个电压的值 ， 它对应的声音的是一个什么 ， 应该是对应的那个声音的响度 ， 对不对 ？ 就是这个声音有多大 ， 那是响度 。 OK， 那这里其实有两个概念了 ， 就是说刚才刚才重心讲了一个 ， 就是说我如果用 8 个比特来记和用 16 个比特记 ， 我是把它分得更细嘛 ， 对不对 ？ 但是说这个细 ， 这个你分得多细和它有多响 ，其实并没有直接的关系 ， 除非说你定一个绝对的一个一个 0， 就是它没有没有没有动 ， 就是在那个如果你想一个它的电的话 ， 它就是在它是一个正负 5 伏之间的 ， 它就是 0 伏的时候它就是没有动嘛 ， 对吧 ？ 那如果说这个时候是 5 伏 ， 就是这个东西是你能记录最大值 ， 那你可以整 ， 如果你用 8 个比特来 ， 你 8 个比特来记的话 ， 你可以记录成它是 127， 对吧 ？ 然后负的 5 伏你觉得认为是这个负的那个 127， 或者是如果你用那个 0 到 0 到 255 的话 ， 就是 0 是这个 -5 伏 ， 然后 127 是 0 伏 ， 然后一呃 255 是那个正 5 伏 ， 这个也可以 ， 这个就是那个这个这个就是 sign 和 unsign 的这个区别嘛 。OK， 那这里其实有一个不一样的地方 ， 就在于如果用浮点数来记的话 ， 我其实可以同时保留它记录的这个力度和这个叫什么 ， 这个绝对值 ，因为那个我可以把那个 exponential 那个那个位置 ， 就是浮点数它那个那个倍数 ， 那个有多少多少多少那个几个 bit 的倍数可以放得很大 ， 所以我理解就这个是不是浮点数和以这个整数记录声音有一个不一样的范围区间的一个概念 。 **吴涛** [49:47] 这是一个开放式的问题 ， 我觉得可能我们让我们报一尴尬的沉默 ， 我们需要去去去 ， 我们需要去研究一下这个这你你怎么能临场抛出来这种问题呢 ？ 这个问题你应该先找到答案 ， 然后再来 。 **重轻** [50:00] 因为因为这个已经困扰我很久了呀 ，因为我因为让我每次处理这个音频文件的时候 ， 我都要做这个转换嘛 ， 每次要输那个参数 ， 对吧 ？ 我要输这个 ， 我通常说 LEI16， 对吧 ？ 通常是这样子 ，但我就想为什么是这样的 ， 哈哈 。 **吴涛** [50:14] 嗯 ， 我们我们去查一下吧 。 **重轻** [50:17] Anyway， 这个问题我们可以可以可以先先放一放 ， 或者之之后这个 follow up， 我估计这一期应该讲不完这么多话题 ， 我们下期 follow up 可以可以再再补上 。 **Rio** [50:26] 就是写编码器和解码器的人肯定懂懂这个 ，但是就是我们这种什么音乐爱好者肯定不懂这个 。 **重轻** [50:32] 好好好 ， 反正大概就是说如果我们就先局限到这个整整数范围 ， 这个东西好理解嘛 ， 比如说是这个 integer 8 的话 ， 我就当好像刚才 sign 的 onsign 已经讲了 ， 就是记录这个那个数字范围嘛 ， 这个已经可以明白了 ， 然后我就得到了一堆这个 8 个比特的这么一每每 8 个比特就是一个字节 ， 我有一个就是一个对应一个数据点 ， 对吧 ？ 那我一秒有这么 4 万多个字节 ， 就得到了这这一秒的一个采样 。 **Rio** [50:56] 对 。 **重轻** [50:57] 就然后呢 ， 我怎我拿到这个东西 ， 这个这这个记录下来 ， 我们先不说压缩的过程 ， 我们先说这个播放的过程 ， 就假设我拿到这么一个数字采样 ， 我怎么再把它转化成一个可以播放的声音呢 ？ **Rio** [51:08] 也就是把咱们刚才说的东西反过来呗 ， 就是你给你的那个 DAC， 就是呃那个发发过去 ， 这个就是均匀的发过去这个采样的点的数据 ， 就是一秒钟有 4 万多个点嘛 ， 均匀的 ， 然后然后它就把这个用用用电磁感应的原理给它那个转化为就是那个电压 ，不就不不停变化的电压 ，在同样的电阻下的不不停变化的电压 ， 然后就把那个你的耳 机的那个的那个耳那那个那个那个膜 ， 就是给带动的震动了起来 ， 你就听到声音 ， 发声单元是吧 ？ 那个叫对的对的对的 ， 然后就产生了对应的原始的那个声波的震动 ，但是就是通过这个那个发声单元传传送到你的这个这个声波的传感器 ， 你就听到了这个声音 。 对 ，OK， 这个就是一个简单的呃一个采样和播放的一个过程了 。 对 ， 所以就这个声卡就干了两件事 ， 对吧 ？ 就是数字转模拟 ， 模拟转数字 ， 就是来回来回横跳 。 声卡的唯一的就是必须具备的义务就是这个 ， 就是如果一个声卡只有这个 ADDA 的这个数模转换的过程 ， 呃别的啥啥功能都没有 ， 它也可以称为声卡 ，但没有这个是没有资格被称为声卡的 。 **重轻** [52:15] 嗯 ， 哎 ， 你们记不记得我记得我我小时候玩电脑的时候 ， 声卡其实是一个你需要单独装的一个卡 ， 后来才出现说整合在主板上面的一个一个一个芯片的功能嘛 ， 就说这个声卡那有那么因为有那么多的这个不同的功能 ， 它除了这个东西它还还可以做什么 ？ **吴涛** [52:33] 我记得小时候的声卡还有什么取音音色库之类的东西好像对 ， 对 ，有些还可以 。 刚才中间老师提了一个什么 MIDI 库啊 ， 它还可以直接播放这种东西 ， 就是我我当时没有太理解这个事情 ， 那个时候非常小 ， 就是说但是回过头来想还挺神奇的 。 **Rio** [52:48] 不是 ， 它还是跟那个就是数据传输的这个效率的发展有关系 ，在那个 80 年代的时候 ， 那个也有电脑这个东西 ，但是电脑 ， 比如说电脑的这个硬盘才就才几百 K， 就是那这个时候你连那个声音一秒一秒的声音你都存不下来 ， 就客观上就是这道理都懂 ， 就是你只要能能让我存足够多的字的字节 ， 我就能把声音完美的那个记录 ，并且完 ### MIDI与合成 **Rio** [53:13] 美的去回放 ，但是这不是没有吗 ？ 就是硬盘也不够大 ， 然后或者是后来 99 就是 90 年代那个带宽也不够宽 ， 所以就所以就是这个时候那个就是在声音转换的这过程中， 大家之前就是在九几年以前都没有采采取这个方式 ， 就把声音给录下来完了再回放 ， 大家都采取的是我只记录乐谱 ， 然后让那个声卡帮我演奏这乐谱 ， 就是采取这样的方式 。 **重轻** [53:39] 那个乐谱就是那个 MIDI， 对吧 ？ **Rio** [53:41] 对 ，在工程意义上就是那个 MIDI 的文件 ， 它是就是那个一个 80 年代的时候 ， 全球最大的几个乐器商彼彼此之间达成共识的这么的这么一协议 ， 你就在这个协议下你就写就可以了 。 **重轻** [53:54] 我听过那种所谓 MIDI 播放的声音 ， 它其实跟我们现在意义上听的音乐 ， 它是那种非常那种机械质感的 ， 就是为什么会这样 ？ **吴涛** [54:03] 最直观的答案就是你的声卡太差了 ， 哈哈哈 。 **Rio** [54:06] 你可以把那个 MIDI 写得天花乱坠 ， 就是让人如期如数的那个变化和表现力 ， 你也可以那么那么你也可以那样那样写 ，但是只不过是大部分的音乐没有那么写罢了 ， 就是所以给人一种好像 MIDI 是一种声音特色一样 ，但实际不是 ，MIDI 就是一种基础方式 。 **吴涛** [54:21] 我的理解是 Rio 的困惑在于 ， 就是他这个音乐回放出来的时候 ，是比如说他放他他有一个 C 这个音 ， 这个 C 的音不是任何比如说钢琴弹出来的 ， 或者说它虽然是钢琴弹出来的 ，但是听起来非常的有塑料感 ，因为这个音色实际上是声卡给你模拟出来的 ， 然后这个声卡最简单的一个 C 就是一个正弦波的 C， 然后你听这个正弦波的 C 你会觉得非 常的单调 ， 我觉得 Rio 所指的这个 。 **重轻** [54:49] 就所以我们小时候听的那种就是那种什么什么 ， 呃 ， 我记得我印象最深是什么小霸王学习机上面也可以播这种 MIDI 声音 ， 或者是后来的初初级的那种什么什么 386 电脑上也可以播这种 MIDI 的文件 ， 它播出来那个声音单调的原因是因为它的那个结构不够丰富 ， 对吧 ？ 然后结构不丰富是因为它硬件的这个采样的存储也好 ， 它不一定是用采样 ， 它有可能都不是都不是采样 ， 它有可能是完全直接生成出来的一个声音 ， 就是基本上就是两个基础技技术嘛 ， 一个是采样 ， 就是你把一小一小个一小个的片段给记好了之后， 然后按按照它要求的方式去那个 transpose， 就是去变调 ， 然后去播那给播出来嘛 ， 然后另外一种 就是那个就是就所谓的 synthesis， 就是去去合成嘛 ， 所以那个在你说的那些什么小霸王学习机 ， 就是 8 位机的那个 ， 或者包括 16 位机的那个游游戏机上和早期的那个 N64 的那种 ， 哎 ，不是叫 N64 吗 ？ 不是不是那个不是 C， 那个 Comodore 那个就是 C64 上， 就是它都是用合成的方式的 ， 就是连采样都没有 ， 它就是它穷穷贫穷到了连记录采样再回放的这个这功能都没有 ， 它只有那个 。 **Rio** [55:56] 就是因为它没有那么足够的存储空间去记录那个东西 ， 所以我直接就说我用我用一个这个数学函数去描述 ， 或者数学这个公式去描述那几个基础的声音 ， 然后我再给你播出来 ， 你就可以理解为它芯片里边就是一合成器 ， 那合成器是它有它有三个那个震荡器 ， 就是在 C64 上面有三个震荡器 ， 就是它同时只能发三个音 ， 你比如说你你给 它写一个朵密骚西 ， 一个大七的和弦 ， 它就不可能同时来演奏了 ， 它只能演奏这四个音中的那个晚出现的三个音 ， 它第一个音就被扔掉了 ， 就被抛弃了 ，因为它同时只能发三个音 ， 所以它真的是在演奏你给它的那个乐谱 ， 就是那个只不过乐谱在工程意义上叫 MIDI， 然后呢 ， 那个那个发出声音的那个东西是一个一个模模 ， 是一个模拟过程 ， 就是它在 那个它的那个主板上， 就是那个让那个电信号直接就带动了那个震荡器 ， 震荡器是一个永永恒在哆嗦的这么一东西 ， 就震荡器是一个你只要给它通通上电之后 。 **重轻** [56:52] 对对对对对 ， 慢慢点慢点慢点 ， 这里这里已经有好几个概念要加到这里面了 。 首先 ，MIDI 是乐谱这个事情怎么理解 ， 就是说人看的是五线谱或者是简谱 ， 对吧 ？MIDI 就是一个可以被这个计算机程序所执行的一个乐谱 ， 这么理解没错吧 ？ **Rio** [57:07] 对 ， 没问题 。 **重轻** [57:08] OK， 然后这里面啊 ， 我人看到乐谱的时候 ， 我可以在一个乐器上演奏它 ， 比如说我看到一个什么什么 Do Re Mi Fa Sol， 对吧 ？ 我就按在这个键盘那个这个钢琴上按下按下这几个键 ， 就发出了这个 Do Re Mi Fa Sol 的声音 ，但是它的音色是取决于那个钢琴那个什么锤击到那个弦上， 发出了一个这个自然的一个声音 ， 对 ，是取决于乐器的呢 。 对 ，但是在电脑上这个声音如果说有类比的话 ， 就说那个声卡它和刚才你提到有个东西叫合成器 ， 这个合成器我理解它的作用是不是说就是从它声卡或者是这个链里面存储的一些 ，不管是采样来的音乐啊 ， 还是它它就直接通过这个算法生成那个声音的啊 ， 去模拟那个钢琴按下某一个键的声音 。 **Rio** [57:51] 不是 ， 它没有试图在模在模仿任何现实世界中存在的声学乐器 ， 就是我们先概括一下， 就是把所有你你想说的的那些现实生活中存在的人可以演奏的那个自己在震动而发出 ， 就跟电没有点关系的这种是这种物理自己在震动而导致发出声音的乐器叫做 Acoustic Instruments， 就是声学乐器 ， 合成器那个不是用来不是用来去模仿它们的 ， 合合成器是一个没有办法模仿别人 的一个非常非常原始的一个就是一个电本位的的乐器 ， 它只能发它它自己的声音 ，在原始的震荡器上就只能发那个就是正方波 、 三角波和正和那什么什么那个和锯齿波 ， 连正弦波都发不出来 。 **重轻** [58:37] OK， 那这里有个小问题啊 ， 就说我你你的理解我可不可以这么理解 ， 就说合成器是用一个这种最数学上最简单的波形 ， 然后去把它呃播放出来 ， 或者生成这么一个简单的波形 ，不叫最简单 ， 叫最有秩序的几个波形啊 ， 对 ， 那个最简单的波形它发不出来 ， 那个正正正弦波是很难很难被那个震荡器给发出来的啊 。 **Rio** [58:59] 震震荡器是什么东西 ？ 这里可能要要又有底层一点了 。 震荡器就是叫 Oscillator 嘛 ，在那个 80 年代就比如说就是小小霸王学学习机 ， 就就是在红白机上， 它的那个就是它上面就就集成着三个震荡器 ， 两个方波的 ， 一个三角波的 ， 然后还有一个噪音 。 **吴涛** [59:18] 我我先跟 Rio 解释下震荡器这个东西 ， 震荡器在模拟电动里面 ， 就是早期人们发现一个电学现象 ， 就是你把一个电压加在一块晶体上， 这个晶体会产生一个叫做晶振的东西 ， 晶振呢 ， 就是它会以一个特定的频率发出反复震荡的电压 ， 就大概是这么来的 ， 然后你可以你如果有一个准时的反复震荡的电压 ， 你就可以把这个反复震荡的电压放大 也好 ， 变形也好 ， 让它生成其他的波形来 。 **重轻** [59:49] 刚才提到一个方波是什么概念 ？ 自然的那个声波都是一个什么正弦波嘛 ， 那个形状方波是什么 ？ **Rio** [59:55] 自然的波就是各种各样的形状嘛 ， 方波就是其中特别规矩的一的一种 ， 就是你把它给那个给给拉长了看 ， 就是拿放大镜去看它 ， 它就是一长方形了 ， 就它只有 0 和 1 这个状态 ， 对吧 ？ 没有中间过渡这个 ， 只有正一和负一 ， 没有中间的值 。 **吴涛** [1:00:10] Rio 刚才说正弦波是非常自然的波 ，其实不是这样的 ， 正弦波是人们人们对于一种波形的理想化 ， 就是傅立叶变换能够把所有的波分解成分解成对 ， 分解成正弦波 ，但并不是正弦波是是自然界里面存在的 ， 自然界里面其实不存在纯粹的正弦波的 ， 就除非你去拿一个什么 ， 你拿一根绳子挂在一个那个单板上， 然后这个这个单板在在正下方的投影是一 个理想的正弦波 ，但是声音里面这种波实际上是不存在的 ， 或者很难发出来的 。 **重轻** [1:00:42] 那那个东西那个乐器呢 ， 就是一个叉子 ， 然后你敲一下， 它会发出一个单调的那个噔噔那个声音 ， 音叉音叉发出来也不是正弦波 ， 对 ， 它它它不是正弦波 ， 它仍旧是比较接近 ， 对 ， 可以分解成很多个不同正弦波的一个波 ， 这个波就你拿一个其他的材质去做同样的音叉 ， 你发出你发现那个音色还是不一样的啊 ，也就是说正弦波只是一个理论上的一个 抽象 ， 现在条件还是可以 ， 你让电脑生给你生成一个纯粹的正弦波 ， 然后你去听 ， 你会发现这个正弦波实际上在自然世界里是完全不存在的这么一个东西 。 我刚才在说这个晶振跟它发出来是一个方波 ，是这个意思吧 ？ **吴涛** [1:01:21] 晶振发出来是方波 ， 对 ， 晶振就晶体这个东西 ， 对 ， 它可以是锯齿波 ， 可以是方波什么的 ， 晶体震荡器 ， 最原始的晶体震荡器在模拟电动里面的晶体震荡器 ， 它发出来的一定是一个呃稳定而离散的电压 ， 就是它相当于是一个有点像什么 ，有点像那个古代有一个东西叫做我忘了名字了 ， 反正它是一个呃竹筒 ， 你往里面灌水 ， 灌到一个地步的 时候 ， 那个竹筒就会倾斜下来 ， 然后发出咚的一声 ， 那不就日本那个计时那个东西吗 ？ 就日本那个和和风小院里面那个东西 ， 对 ， 它最开始其实是中国来的 ，但是对 ，whatever， 然后晶体震荡器跟这个差不多 ， 就是晶体在接受电压之后， 它会怎么说 ， 聚集电压 ， 然后嘣放出来 ， 然后就得到一个非常稳定的这么一个脉冲啊 。 **重轻** [1:02:08] OK，但这是一瞬间啊 ， 就是一瞬间啊 ， 对 ， 它是一瞬间来的 ， 就它不是一个稳定的波形 ， 它只是一个类似一个脉冲吧 ， 就是信号系统里面脉冲实际上是一个非常理想化的东西 ， 就是在一个无限短的时间之内 ，有一个呃单位长度的电压冲过来 ， 这样 ，也就是我们画到那个 x 轴 ，yx 轴是时间 ， 然后 y 轴是那个频或者是那个那个数值的话 ， 我们看到它是一个一个类 似于那种长城的那个城墙那种那种形状的一个箭头 ， 对 ， 一个一个非常短的箭头 ， 是一个理想化的脉冲 ， 单脉冲 ，但是实际上它是个什么 ， 它它你要把它放大了看 ， 它实际上还是一个就是突然上升的这么个电压 ， 然后突然下降 ， 它还是一个尖尖这样 ，但是你用这个尖尖你就可以来生成 ，因为它是有固定频率的嘛 ， 你就可以用这个尖尖来生成其他方 其他的类型的波 。 **Rio** [1:02:59] OK， 那刚才刚才重轻老师说他那个 Comodore 64 上面是有三个这样的晶 ， 这种震荡器是说它可以发出三同时发出三种不同频率的这种这种脉冲波 ， 对不对 ？ 它还可以同时发三个同样频率 ， 就是反正就是有三个 ， 就是它能这三个 voice， 就是三个音 ， 然后根据那个刚才说的那个傅立叶变换那个事情 ， 就是它可以把这三个合成成一个别的一个东西啊 ，不是这个也不涉及傅立叶变换 ， 就是那么古老的时候 ， 你就理解为这是一个三重奏的乐队 ， 这个乐队的每一个成员只能发一个单音 ，而这个单音只能是那个 就是是方波或者是什么三角波 ， 然后那个你能你告诉他那个演演奏什么音 ，他就演奏什么音 ， 就是你给他们三个人每每个人发一谱子 ， 那个谱子和就和就合在一起 ， 就是一个 MIDI 的文件 。 **重轻** [1:03:51] 那那如果说假设我把这个这个这个震荡器加它个 1,000 个 ， 我就能同时发出 1,000 种不同的声音 ， 对不对 ？ 它听起来会更加接近于某一种乐器 ， 它本来的声音 ， 这可以这么理解吗 ？ **Rio** [1:04:06] 也不能 ， 就是震荡器干不了这个这个事 ， 这这是为什么呢 ？ 首首先啊 ， 首先就是震荡器发出那个声音 ， 你听一下你就知道了 ， 就是合成器的声音是那种声 ， 就是它不它不它不不相似于你生活中的任何一种情情一种经验 ， 它就是它本身的声 ，而且今天来看它也是一种经典的的乐器 ， 它是能跟吉他和钢琴相并列的一个东西 ， 它就是它自己 。 **重轻** [1:04:28] 对 ， 我我知道你你告诉我它是不同的嘛 ， 就是它我我我的问题是 ， 它为什么会跟这个真实世界的声音还是不一样 ， 就它的区别是在哪个地方啊 ？ **Rio** [1:04:36] 就是因为它太有秩序了 ， 就是它的那个震震荡器发出的声音的那个形状太太简单了 ， 就是太有太有规律了 ， 所以你你听起来的时候 ， 它是一个特别愣的声音啊 ， 就单调听起来就是对对对 ，而那个声学乐器的声音 ， 那个那你把那波形给撑开了看 ， 它的每一个周周期的那个变化是极度复杂的 ， 它不是一个能用震荡器去模拟的东西 ， 当然了 ， 就是到了今天 ， 就我们有波有那个波表震荡器 ， 又可以就是可以可以各种这个八仙过海各各显神通去去模仿了 ， 增加它的复杂度嘛 ， 你刚才就说它真实世界的声音的某一种波 ， 或者就是某一个 ， 假设我这里有个钢琴 ， 我把它的按弹出一个这个 C 的这个声音 ， 对吧 ？ 它是一个很特殊的一个有所谓的音色的一个东西 ， 然后我只要把那个音色分解出来 ， 就说我然后我用足够多的这个这个震荡器去还原它 ，也可以做得出来 ，是不是 ？ 就是你大概用个几万个震荡器 ， 然后每个震荡器只发那个正弦波 ， 那么你就直接让它去演奏那傅立叶变换出来的那个那个多项式的那个每一每一个那个正弦波项的那个的系数 ， 就就就让那个系数的不不不断的变化去调制它的那个它的那个幅度就可以了 ， 就是你用几万个只发正正正弦波的震荡器加在一起 ， 就可以去模仿任何的 声音 ，但是人类没有这么干过啊 ， 就它没必要 ， 就是啊 。 **重轻** [1:05:56] 那我们现在所谓的就是所谓的这个采样音乐 ， 我我理解有一些所谓的电钢琴啊 ， 它的那个每一个键是从从真的从一个这个真钢琴上录音录下来哈 ， 然后把它切片放到那个那个那个那个钢琴里面的一个可能是芯片 ， 一个什么样东西 ， 然后它按出来的时候 ， 它就会播放那个钢琴的那个声音 ， 那这个过程跟刚才讲的那个用很多个这个所谓的 这个震荡器来合成 ， 这本质有什么区别吗 ？ **Rio** [1:06:22] 本质区别就是那个震荡器只能发出那特单调的那个特固定的声音 ， 采样器就是它直接它为什么可以发出更加丰富的声音呢 ？ **吴涛** [1:06:31] 因为它是录下来的 ， 对 ， 就是录下来的千奇百千奇百怪的声音 。 **重轻** [1:06:35] 采样器它是怎么实现的 ？ 为什么它可以实现那么多震荡器不能实现的声音 ？ **Rio** [1:06:40] 就是后来声卡里面的那个芯片的计算能能力达到了一定的程度 ， 然后呢 ， 那个那个声卡里面的存储也达到了一定的程度 ， 所以在某一个历史时历史的时期 ， 大概有那么十多年里 ， 就是 80 年代中期到到 90 年代末 ， 就是所有的声卡都开始那个就是自己就是内部搭载了一堆采样 ， 就是就是有这么一些大公司在做这个东西 ， 比如说罗兰 ， 比如说雅马哈 ， 它这个是相当于把那些那那些采样的那个那些波的那些片段都存到一个硬件设备里面去 ， 然后在按的时候再播放 ， 对 ， 然后这个又又分很多种层次 ， 就是你比如说最完美的那个采样是你比如说这钢琴 ， 咱就是不管任何性能限制啊 ， 我怎么完美的就是复复现一钢琴呢 ， 我应该把这钢琴你最每一个键 ， 这 88 个键子上面的每一个键 子 ， 每一个键的那个最轻微的按它到最狠的按它 ， 我要存好几十个层次 ， 就是稍微加点劲完了往死里摁 ， 或者怎么样 ， 就是把这些全都存下来 ， 这叫不同的力度的分层 ， 然后呢 ， 每一个音呢 ， 你那个特别短促的摁是是是一个声 ， 摁的时间稍微长一点和特别特别长又又是一个声 ， 然后你把这些全都都存下来 ， 你就是你用你用你用几 十个 T 的硬盘去保存一个钢钢琴 ， 那么这钢琴你让那个 MIDI 去演奏它的时候 ， 它它就可以栩栩如生 ，但是呢 ， 就是回到 80 年代末和九九九十年代的那个人类科技的环境下， 很很多时候它就它就连那个我刚才说的那那那那那几十万个钢钢钢琴的单音 ， 它它那个里边的一个音它都存不起啊 ， 一个音它都存不起 ， 所以它就存一个中间的那个 ， 比如说 C3， 就是就别高别太高也别太低 ， 然后我们回回头用拉伸的方法把把它给那个降掉 ， 或者是用压缩的方法就让它去升调 ， 然后我就只存一个音里面的那个最有代表性的一个 cycle， 就是我只存它中间的一个比较有代表性的循环 ， 那个音的开头和音的尾巴都被我扔了 ， 就是我就光存那一个音里面的一个片段 ， 然后处理这个片段把它播放出来 ， 对 ， 然后 等我演奏的时候呢 ， 就是你比如说就是它是一个那个就是 A 这个音 ， 然后我要演奏 C3 那个就是演奏高八度的 AA 的时候呢 ， 我就让让让它用两倍速的方方式去播去循环的播放这个 cycle， 它不就变成了高八度的声音吗 ？ **重轻** [1:08:54] 全部都是各种作弊的方案 ， 对吧 ？ 这其实是对对对 ， 就我刚才说的这个已经出现了六七层的作弊了 ， 就是做出来的 B 的结果就是你说这个钢琴怎么听着这么愣呢 ？ 哈哈哈 ， 就是我这我我这把再多插一句 ， 就是说这些 80 年代到到到 90 年代人们这个就是偷就是偷奸耍滑的这个劳动成果的那个最终它也变成了一种审美 ， 就是今天人们又回过头来听 90 年代的那个特别愣的声音 ， 大家会觉得那个声特有一种味 ， 就是有一种独特的的美学价值 ， 就是大家甚至会有人去追追求 ， 我就是要用 。 **Rio** [1:09:28] 最好我们现在看那个我们网站 ， 我们网站是那种什么像素化风格一样 ， 就这个对应的声音里面就是声音的像素化风格 ， 对 ， 差不多它就变成了一个 aesthetic， 对 ， 就是以美学 。 **重轻** [1:09:39] 哎 ， 我再问一下 MIDI 这个东西 ， 就说理论上如果我做一个机械手 ， 我按照那个机械手的方式 ， 它可以根据那个 MIDI 文件去按一个真实钢琴的话 ， 它弹出来那个声音应该是跟那个真人弹是一样的 ， 对 ？OK， 所以就 MIDI 文件跟我们听起来怎么样 ，其实是没有必然关系的 。 **吴涛** [1:09:58] Wait a second， 我想问刚才 Rio 说的这个东西可行吗 ？ 就是 MIDI 里面记录的内容 ， 如果它是一个乐谱的话 ，因为同样一张乐谱由不同不同的人来弹的话 ，其实结果也是不一样的 ， 那 MIDI 里面记录的信息 。 **Rio** [1:10:16] 呃 ， 我们要走这么深吗 ？ **吴涛** [1:10:17] 我觉得可以啊 ， 就是我们我们都内核恐慌了 。 **Rio** [1:10:20] 那可以可以可以 ， 那来吧来吧来吧 ， 我给你来来举一个那个最极端的例子啊 ， 你稍等一下啊 。 **吴涛** [1:10:26] 好 ， 重轻老师去拿乐器了 ， 我觉得现场演奏了 ， 我们节目第一次逼的嘉宾 improvise， 哈哈哈 ， 我我我们就要用 128Kbps 的 MP3 来录 ， 来来发发布这期节目了 ， 我们之前都是 64 的 ， 估计体现不出这种感觉 ， 你知道吗 ？ **Rio** [1:10:46] 好 ， 比如说啊 ， 就是你你现在听这一个音啊 ， 就是这 ， 你就听这一个音 ， 就是比如吉他上发这个这个这声音可以有无数个版本 ， 这跟钢琴的区别就在这 ，因为钢琴是一个打击乐 ， 就是钢钢琴是你那个按那个键子 ， 带动了那个唇去去砸一个那个去敲一个那个一个钢条 ， 对吧 ？ 但是在在弦乐上就不是吗 ？ 就是在拨弦类的乐乐器 ， 比如说比如在那个在吉他或者是在这种那个就是像小小提琴这样的拿弓子拉的的乐器里面 ， 这一个音它有无数种声音 ， 你比如说我我我的手用手指肚去扒了它 ， 就是很温柔的声音和那个拿拨片去去去去 ， 就是它那个音头它会有一个嘎嘣一下特别脆的那声音 ， 这是音头的区别 ， 然 后另外呢 ， 就是我这个手 ， 我左手就是我拨完之后我可以再去揉它 ， 对吧 ？ 比如说有泛音 ，但这个是 MIDI 里面记录不出来的 ， 对不对 ？ 乐谱里面不会写这种东西 ， 对 ， 就是我想说的就是 ， 确实在很多的那个声学乐乐器中， 一个音可以有无数多的版本 ，但是呢 ，MIDI 可以在一定程度上去把你对你这个乐器的输入都记下来 ， 刚才这个就最明显的就是这个这个音调本身的来回 ，在这个叫做 vibrato， 那个 vibration 就是那个颤音嘛 ， 颤音这个事呢 ， 就专门有一个 MIDI 的控制信号的 ， 那个叫 MIDI CC 多 少多少 ，在那个信号里面 ， 就是你可以以一个非常快的频率记一个那个 4 比特的的数字 ， 就是你颤音的这个这个数 ， 它你如果你不记的话 ， 它始终是在 64， 那个你只要开始记这个数 ， 这个数就可以在 0 到 127 之之间不停的那个就是在变 ， 然后你再再回放的时候 ， 你的那个声卡或者是你的那个采样器就可以把那个你就是从 64 往 0， 就是往更低了去 颤和往 127 往更高了去去颤的这过程中， 让那个采样跟着你去不停的在调整它那个这个 cycle 播放的方式 ， 这个是可以的 ，但是呢 ， 那个我刚才说那个特温柔和特使劲去拨它 ， 导致那个音头的那个声音 ， 如果在你采样里没有的话 ， 神仙也不能无中生有 ，但如果你有的话 ， 你有你你有做过吉他的力度分层 ， 就这吉他采样的时候 ， 那个特别使劲 的那个的拨它和特别轻的拨它 ， 就是你记过单独的两个两个采样 ， 那么就可以 ， 那么在你的这个 velocity， 就是你的 MIDI 信号里面的那个力度的那个数数据 ， 当你记记成比如说 330 以下的时候 ， 它就会调用采样 A， 然后 30 到到 80 的时候 ， 它会调用采样 B，80 到 127 的时候 ， 它会调用采样 C， 或者是用采样 ABC， 用那个差值的方式 ， 就是 interpolation 的方式去那个把它 们给给 mix 在一起 ， 所以这个 MIDI 记录的信息 ，其实本质上是对你的这个演奏过程的一种 quantization 的一个过程 ， 对 ， 就是它仍然是那个有精度问题 ， 它依然和你的食材有关系 ， 就是跟你那个采样本身的那个 ， 就是你巧妇难为无米炊 ， 你没那采样 ， 你你不可能让电脑无无中生有的去去模仿你 。 **重轻** [1:13:49] 那这里有个小问题啊 ， 比如说刚才你是提到一个很细节的点 ， 就是你怎么去拨这根弦 ， 这个怎么拨法 ， 它千篇千变万化 ， 各种有各种的时候所谓的风格嘛 ，但它 MIDI 文件不可能对每种拨法都记录下来 ， 对不对 ？ **Rio** [1:14:01] 就是 MIDI 是一个协议嘛 ， 就协议就是一个标准的数据存储的格式 ， 这格式里面的所有音符之外的 ， 就是音符就是音符 ， 音符在 MIDI 里就是叫 notes， 除了 notes 之外， 还有那个 120 多个就是控制信号 ， 就呃 control 信号 ， 就是叫 MIDI CC， 比如说 MIDI CC1 叫做 modulation MOD， 就是调制 ， 一般颤音就是可以用可以用这个来来做 ， 然后 MIDI CC10 就是它的什么滤波 ，MIDI CC7 或者比如 5 是踏板 ， 就 是钢琴里边的那个踏板 ，但是当年就是 David Smith 老爷子发明这个这个格式 ，并且被几个大的乐器厂商所接受的那个时候 ，他的想象力是有限的 ， 这也不能赖他 ， 就是而且当时的那个就是机器和机器之间的交互 ， 本身的带宽也是很低的 ， 就是 MIDI 是可以用模拟信号来来传输的 ， 就是 MIDI 可以用声音 ， 就是可以用音频线来来传输 ， 你就想象它这个 它这个数据带宽有多么的小啊 ， 它是 80 年代的技术 ，80 年代还没有 USB 呢 ， **重轻** [1:15:02] KB 级别每秒的这个带宽吗 ？ 应该是这个 ， 对对 ， 我觉得比 KB 可能还要小几百个字节吧 ， 可能他当年的时候就是用非常那个 arbitrary 的方式 ， 界定了这 127 个里面的 100100 个左右 ， 第一个叫做 modulation， 第二个叫做 paddle， 什么第三个叫做什么什么什么 filter cutoff， 然后什么什么 ， 然后这里面也有一些那个弦乐的那个拨弦的方式啊 ， 什么它也被记在里面 ，但是这个这个对于这 127 个变量所赋予的名字 ， 早早的就失去了它的意义 ， 变成了那个各家 。 **Rio** [1:15:32] 就私有协议 ， 对吧 ？ **重轻** [1:15:34] 对对对 ，MIDI CC1 谁没人管 ， 这个 MIDI CC1 当年叫什么 ， 就是就是我们只是有 120 多个可以用的变量来记载我们的乐谱的信息罢了 ， 然后在每个乐器都有不同的命名 ， **吴涛** [1:15:47] 就跟那个处理器里面的 register 一样 ， 现在已经没有人去把 register 用作就泛用型 register， 就现在基本上所有的 register 都是泛用型 register， 这种感觉 ， 对对对 ，也就是说现在的拿到你拿到一个 MIDI file， 你一个 MIDI 文件 ， 你不知道那个生成的时候 ， 它对应的那些控制信号是对应一个什么样的设备 ， 或者什么样的一个编码的话 ， 你是没有办法完完善的重新播放出来的 。 **Rio** [1:16:11] 当你去播放它的时候 ， 你会得到一个那给你这文件的那个人， 就不是他想要给你的那个东西 ，但你一定会听到一些东西 ， 对吧 ？ 就是你会听到一些被魔改了的这个曲子 ， 起码主的那些调调还是正确的 ， 只是说比如说弹法拨法有没有用 ， 用 paddle 就都都就可能都乱掉了 ，是是整个就是你把颤音给解读到了那个踏板上， 然后这个声音的那个颤音就完全不颤 ，但是这个声音一会长一会短 ， 就是它就变成了那个整个被提前会很怪嘛 ， 对对对 ， 就是被魔改了 ， 所以就是每一个 声卡里面的那个 MIDI 的那个基础的那个采样和它的那个 MIDI 演奏的那个方式都有所不同嘛 ， 就导致那个 90 年代的人， 你比如说你有你的声卡 ， 我有我的声卡 ， 咱俩听同一个曲子的时候 ， 听到的是不一样的 ， 就是略有不同 ， 高端的声卡听着会会更好听 。 **重轻** [1:16:59] 那这个问题后来得到解决了吗 ？ 就是这个通用性的 MIDI 文件的通用性的问题 ， 这个问题不需要得到解解决 ， 它只需要等待着这个就是计算的性能的发展 ， 存储量的发展以及带宽的发展 ， 让它变得无关紧要就可以了 ， 一直到今天我们的声卡还具备这功能 ，但是这功能就是一直到你这电脑到报废 ， 你电脑都不会被调用这个东西 ， 就这个东 西已经是一个无人问津的 ， 很无足轻重的 feature 了 ， 它自己内部有那种那个单一周期 ， 就是极小的采样 ， 然后来让你去演奏 ， 这个叫做 GM， 就 general MIDI 这么一个特别刺的一个音源 ， 一直到今天都还能去调用它 ，但是已经没有人去调用 ，因为大家都都直接在播放那个大家录好的声音了 ， 所以这个问题最最终不需要被解决 ， 它只需要变得无关紧要就行 ， **吴涛** [1:17:44] 就好像主板上有一个固化在里面的驱动 ， 一个非超低分辨率的显示器的这么一个功能 ， 类似于这样一个东西 ，是吧 ？ **重轻** [1:17:52] 对 ， 就是说因为实际上并不真的用它来演奏或者是传传输这个音乐信息了嘛 ， 对 ， 就好像在那个呃在某一个时间点以前 ， 个人电脑上面的那个图图形是没有是没有资格被用比特图的方式来存储的 ， 它必须要要用那个绘制 ， 比如说我这个这个图片里面的这个三三角形 ， 它必须得用一个指令来来绘制出来 ，因为那个存一条指令是很是要 的 ， 比特数非常少的 ，但是你把三角形作为 。 **吴涛** [1:18:19] 对对对 ， 矢量 ， 对 ， 早期是早期的图形学是矢量化的 ， 哎 ， 对对对 ， 这就是就是就对应了是音频里的这个玩意儿 ， 对 。 **重轻** [1:18:26] 关于 MIDI， 我再问最后一个问题啊 ， 就现在我看到很多所谓的这种啊电子乐器 ， 比如说电钢琴 、 电吉他 ， 对吧 ？ 呃 ，不是说那个 ，不是错了 ， 电子琴 ， 就那个 keyboard， 它输入到电脑的时候 ， 它得到的还是它得到的是个什么信息呢 ？ 就是电脑端插到一个电子琴 ， 你按的时候那个 keyboard， 它这边电脑是得到一个什么东西 ？ **Rio** [1:18:50] 今天的那个 ， 就是当你把电子乐器插到电脑上的时候 ， 你插的是那个模模拟信号的输入 ， 就是那个电子琴它本身有芯片 ， 然后那个它给你的就直接就是声声音本身 ， 就是那个电电的振动嘛 ， 就是纯模拟信号 ， 它给到你的是一个真实的声音 ，而不是一个 MIDI 文件啊 ， 对对对 ， 你的声卡不就并不在乎它是电子琴还是一个人对着麦克风喊 ， 反正它就把这声音给录下来了 。 **重轻** [1:19:14] 那这样的话 ， 那些所谓的这个电子琴弹出来 ， 听起来像电钢琴的声音 ，是因为现在的那些现代的电子琴里面 ， 它已经内置了那些钢琴的采样 ， 从而它弹出来那个按 C 的时候 ，是听起来像是一个钢琴的那个声音 ，是是这么完成的吗 ？ **Rio** [1:19:31] 我先先说一句 ， 就电子琴这个词让我感到反胃 ， 就是没有这种东西 ， 电子琴是中国特色的一个东西 ，是是青少年学音乐的时候使用的一种不伦不类的一个一个玩意儿 ， 就是有两类 ，在在你们这帮人的眼中可以被称为电电子琴的东西 ， 一个就是它自己能发出声音的东西 ， 它它这里面又分成两类 ， 一类是用 DSP 芯片 ， 就是它它自己里边是一小电脑 ， 就是它可以去调 调用采样 ， 或者是那个就是数字合成的方式去合成声音 ， 就是它能够输出声音 ， 然后那个另外一类呢 ， 就是那个就是叫做合成器 ， 就是 synthesizer， 就是它里边是一堆那个震荡器 ， 咱刚咱刚说那个震荡器 ， 然后用纯模拟的方式去激发它 ， 然后用滤波和包络的方式去干扰它 ， 电合成器本身不是用来模仿任何乐器 ， 它本身就是一种的乐器 ，但是这 两类东西在你们眼中看来都是有黑白键子 ， 然后有一堆按钮和旋钮 ， 所以就被你们都称为电子琴 ， 然后还有第三类 ， 就是第二个大类 ， 就是叫做 MIDI 键盘 ， 就是 MIDI 键盘 ， 就是光有这刚刚说那个东西的样子 ， 里边没有任何发声的单元 ，不管是 DS 芯片这种数字的方式 ， 或者是那个就震荡器和滤波器这种模拟的话 ， 它都没有 ， 它就是一空壳 ， 然后呢 ， 它的输它输出就是一个 MIDI 接口 ， 或者是一个 USB， 那么这样的键盘呢 ， 它就是一个我们管它叫做 MIDI 控制器 ， 它是一个 controller， 就它不能发出声音 ，但是它可以发出 MIDI 信号 ， 这个 MIDI 信号呢 ， 就可以用来控制你电脑里面的采样器去演奏音乐 。 **重轻** [1:20:56] 就理论上你说的这个第二种 ， 跟我们用一个电脑键盘 ， 它其实是同一个东西 ， 对吧 ？ 它就是输出一个信号而已 ， 就你按了哪个键 ， 对 ， 就是或者你可以理解为遥控器啊 ， 它它它有那个力度的信息吗 ？ **Rio** [1:21:07] 有啊 ， 啥都有 。 **重轻** [1:21:08] 哎 ， 那那我这里就要再问一下， 就是我们经常看到一些这个演唱会上会有一个人 ，他面前有一个三层的一个键盘的那个黑白键的东西啊 ， 我不知道那个东西是什么 ， 就是这个里面是你属于说的是你说的属于哪哪一种 ，是合成器还是 MIDI 键盘还是什么 ？ **Rio** [1:21:23] 呃 ， 就是那个在舞台上就是前两种 ， 第一种为主 ， 就是我们管它叫做音乐工作站 ， 这个键盘里面含有的那个专用的小电脑性能很非常的强劲 ， 它能够发发出就几万种不同的声音 ， 就是用来给音乐人在舞台上演奏 ， 它可以用那个东西模拟各种各样的乐器 ，是不是 ？ 啊 ， 对 ， 任何乐器它可以拿它去弹吉他 ，但是不咋像 ，其实因为那个那个手感不一样嘛 ，不就是因为它输入方式不行 ， 就是你吉他的那个 ， 你比如说你去揉弦什么的 ，在键盘上你就没有那个拨弦的那个效果 ，是吧 ？ 对对对 ， 就是你的输入限制了你的这个音音色的表现嘛 ，但它至少它音色听起来像是一个吉他 ， 至少就先不考虑这些细节问题的话 。 ### 电子声学 **Rio** [1:22:03] 啊 ， 对 ， 就是它的目标是让你觉得那个声是吉他 ，而不是像当年我咱们刚才说那个板载声卡里面的那仨震荡器 ， 那那没有任何想要糊弄你 ， 让你觉得它是一个乐器的这个意图 ， 没有 ， 它没有这个意图啊 。 **吴涛** [1:22:15] 反过来说的话 ， 你用这个键盘也可以奏出普通吉他上奏不出来的音 ， 对吧 ？ 就你可以 ， 比如说我不知道普通吉他 ， 比如说你不可能弹一个长时长超过 10 秒或者 20 秒的音 ，但是你在键盘上完全可以做到 ， 就你可以同时演奏那个 10 个音 ，但吉他上只有 6 根弦 ， 它只能同时演奏 6 个音 。 **重轻** [1:22:34] 那在演唱会上那个我叫什么三层键盘排前 ， 那那个设备你就管它叫键盘就行 ， 这个乐器在 ，因为它并不是一个真实的乐器嘛 ， 它只是可以模拟出各种 ，但是模拟它也有不像的地方 ， 刚才说了有很多区别 。 那我的好奇的点就说在真实演唱的时候 ， 它的主要作用是 ， 就它也不是一个真实的乐器 。 **Rio** [1:22:54] 你的这种纠结是一个特别前现代性的纠结 ， 如果让那个让劳知道的话 ，他会骂你的 。 **吴涛** [1:23:01] 哈哈哈 哈 ， 就是说你一直顽固的在指责或者在追问 ， 就是为什么这个乐器它那个在在模仿那个真正的乐器的时候不伦不类 ， 或者显得无能 。 **重轻** [1:23:16] 我我我不用问去为什么 ， 我只问说它是真实在这个演这个演唱中它的 function 是什么 ， 主要的功能是什么 ， 就是我们正常或者说有主吉 ，有什么主吉他手 ，有主钢琴手 ， 就是什么一个钢琴 ， 它是一个独奏 ， 对吧 ？ **Rio** [1:23:29] 它就是键盘手嘛 ， 就它的那个在一个曲子里面的状态下， 它通常的作用是什么 ？ 是是辅助 ， 还是说它会作为一个这个这个演奏的一个核心 ？ **吴涛** [1:23:37] 周晨老师 ， 你先站一边 ， 我来用从一个我先从一个门外汉的角度大概讲一讲我的理想 。 你有了 keyboard 的这个乐器之后， 或者说你有了 keyboard 的这个音乐工作站之后， 理论上你不需要其他任何乐器了 。 比如说我喜欢的一个德国乐队叫 Kraftwerk，他们的四个人， 每个人前面都摆着一个摆着一个键盘 ， 所以这种音乐形式实际上是 viable 的 ，而且现在这种音乐形式实际上是非常非常非常的广泛的 ， 就是有很多电音 ， 尤其是在电音这个领域里面 ， 用 keyboard 来完成所有乐器的人是大有人在的 ，而且他他们可能就只有一个人。 那么你问的问题是在一个现场的乐队演出里面 ， 这个键盘手是干嘛的 ？ 那答案其实是他干啥都可以 ，但是它有它的局限性 ， 就好像刚才周晨老师说的 ， 你不能用键盘完好的去复制一个弦乐的演奏啊 ， 所以弦乐还是有它存在的必要 ， 吉他手或者贝斯手 ， 就我是这么理解的 。 **重轻** [1:24:34] 这就我最大的疑问嘛 ， 就是说我知道它不能完美的复现它要模拟的乐器 ，但它又可以发出那个类似听 ， 就是一般门外汉听不出来的这种声音 。 但是我看到的就是说 ， 通常在什么一个所谓的这种现场演演演演现场演绎的时候 ， 通常来讲那个键盘它不会是那个主角 ， 对吧 ？ 通常是有一个什么钢琴是一个主角 ，有个什么小提琴是一个主角 ， 这样子 。 **Rio** [1:24:57] 我的我的理解就是这个这个负责 working station 的人 ，他实际上是在做 everything else， 就是吉他之外， 对 ， 呃 ， 主唱之外，bass 之外， 所有需要鼓之外， 所有需要他做所有其他需要的声音 ，他都可以弄出来 。 **重轻** [1:25:14] 对 ，他就除了你刚才你说那种极端的那个德国那种 ， 就是特别奇怪的乐队之外， 好像我很难见到一个乐队说他把键盘作为作为一个核心演唱 ， 核心演绎的一个部件 ， 对吧 ？ **Rio** [1:25:25] 不是啊 ， 就是这就为什么我说你这个想法就是就是非常腐朽 ， 就是哈哈哈 ， 没有任何一种乐器是舞台上必须得有的 ， 这是一种非常扯淡的想法 ， 就是说这个舞台上啊 ， 它必须得有正经的吉他 ， 正经的小提琴 ， 这个这个想法本身就是不对的 ， 就是就是 。 而且你刚才说那个 Kraftwerk 是一个极端的乐队 ， 这是这是一种极其那个可怕的想法 ， 就是 Kraftwerk 就是人类音乐殿堂中最伟大的东西 ， 就是就是没有任何东西是必须得有的 ，而且没有任何东西是正常的 ， 就是你觉得就是在你的脑子里面有些的乐器 ，因为它历史很悠久 ， 所以它是正宗的 ， 然后它应该是这舞台上的主角 。 **重轻** [1:26:04] 对 ，因为它反复出现在我们的面前嘛 ， 对 ，其他东西只是对它的一种模仿和那个和一种糊弄 ， 或者说是就是在资源有限情况下的一种那个对付 ，但实际上呢 ， 它可以是这样 ，也可以不是 。 我们今天听的大量的音乐 ， 你如果你现在去听今天排行搒上的音乐里面的那个声学乐器的占比已经低到了就经常是就是没有 。 你比如说你听那个 Billie Eilish 的专辑里面 ， 可能有四五首歌里面没有出现任何自然界中的这个声学的乐器 ， 就是零 ， 就它整个这个歌全部都是电子化的声音 ， 就是用键盘来做 ， 就或者不叫键盘 ， 就是用合成器或者用数字音乐的方式去创作的 ， 就你明白吧 ？ 就是其实我是认同这件事情 ， 就是我觉得那既然它都可以模拟出绝大多数的这种这种乐器 ， 那就用那个简单吧 ， 它就是 versatile 嘛 ， 就是我觉得它更更加通用 ， 对吧 ？ **Rio** [1:26:52] 它很快就变得没人在乎了 ， 就是你比如说有一种声音有点像吉他 ， 然后又不又不是吉他 ， 这个声音很快就会成 ， 就会获得它的用处和它的意义 ，因为这声音本身就是一种声音 ， 就这个能这个你能 get 吧 ？ 就是就其实咱做音乐就是在做声音 ， 它像不像什么 ， 就是有的时候是重要的 ，有的时候就根本不重要 。 **重轻** [1:27:13] 对 ， 这这里我们现实生活中有一个可能比较直观的例子 ， 就是说我要吃一种味道 ， 我要吃这个蔗糖的味道 ， 对不对 ？ 那后来说也有用用用一什么工业的方法 ，也可以合成出那种类似的感觉 ， 它还是甜的 ， 对吧 ？ **Rio** [1:27:27] 你说的对 ， 就是在今天的音乐世界中， 人们会在意的 ， 对 ， 就是顺着你刚才说这个有 ， 就是一种不同的味道 ， 或者叫不同的味型 ， 就是在今天的音乐制作里面 ， 人们会人们会更倾向于这么看 ， 就从味型的角度来看 ， 你比如说啊 ，有一有一类声音叫 Pluck， 就是 P-L-U-C-K， 就是一种短促的咚咚咚的声音 ， 就人们管这个声音叫 Pluck， 就是制作人会说说我们这块需要一种 Pluck 的声音 ，他不会想说我们一定要要用一个那个就是右手制音技巧演奏的电的木吉他 ， 没有人就非要执着于那个 ，他就是要一种短促的乐器在这 ， 然后或者是他想要一个 Pad， 就 PAD，PAD 就是黏黏糊糊的 ， 一直特别长的音 ， 就在后面嗡 ， 就是一直在那嗡嗡的这么一个背景铺底的声音 ， 这个东西叫做 Pad， 就是这个就是叫对应你刚才说的那个味道里的 味型 ， 就是今天的电脑音乐已经发展到这个程度了 ， 就是人们人们直接在思考这个问题 ，而不是那么的在意 ， 就我要请马友友来拉大提琴 ， 就就是对 ，有的时候是在意的 ，有时候不在意 ，他可以在意 ， 可以就不一定非要吃蔗糖嘛 ， 只要是甜的 ， 马卡龙的甜味不一定是蔗糖的甜味 ， 这个意思 ， 对吧 ？ **重轻** [1:28:34] 对对对 ， 这个我理解了 。OK， 那我我马上要问一个跟这个紧紧相关的问题了 ， 就说最开始节目的时候你提了一个 ， 就说学钢琴是中国小孩学的这个乐器的最主力的东西 ， 对不对 ？ **Rio** [1:28:49] 对 ， 既然今天绝大部分我所谓的这个流行音乐好 ， 主流音乐好 ， 它已经不是用一个呃 ， 我们传统意义上那种钢琴或者吉他这种传统乐器来弹出来的了 ， 那这个小孩子他直接去学这个键盘好不好 ？ 嗯 ， 就是他可以 ，他当然可以直接去学这个键盘 ，但是问题是键盘本身并不是一门手艺 ， 或者就是并不是一门学科 。 你比如说你比如说我也会制作音乐啊 ，但我不会弹键盘 ， 我的那个音乐是拿鼠标点的 ，但我也能点出就是各种各样 ， 可以用来给别人做配乐 ， 或者是什么做广告片 ， 或者什么 ， 就是我都能干 ， 就是别人演出放放的伴奏我也会做 ，但我不会演奏任何的乐器 。 今天的音乐是被那个 produce 出来的 ， 就是我们说叫音乐 ， 叫 music production， 音乐制作编程出来的 ， 对吧 ？ 对对 ，而不是那个就是古典意义上那个叫 composition， 就是作曲 ， 就是你在谱上写完以后， 然后你拿钢钢琴去演奏它 ， 所以演奏那过程叫做 perform。 **重轻** [1:29:43] Programming 这个事情我们待会再讲 ， 我们先把这个演奏这个事情搞明白 ， 就是说其实哈 ， 如果说我作为一个呃 ， 这个家长 ， 我想送小孩去学音乐的话 ， 我未见得一定要他用他去学这个吉他 ，因为吉他那个按弦还挺费费手指 ， 或者说任何一种乐器 ， 对 ， 我不一定要他学任何一种固定的乐器 ， 我只要让他学会演奏的方法就可以了 ， 对吧 ？ **Rio** [1:30:06] 不不 ，不一定是演奏的方法 ， 就哎 ， 这个 Rio 这个问题问的好 ， 你听我说 ， 就是你刚提的这个问题里面的那个最核心的假设是 ， 你认为就是人们让小孩学 ， 就是人们去学一个乐器是为了那个 ，是为了学会演奏它 ，并且学以致用嘛 ， 就是去 。 但实际上就是今天的那个家长培养孩子 ， 就是主要是一种陶冶情操的这么一个角度 ， 单纯从演奏这个角度来讲 ， 我要让这个 ， 或者说我自己吧 ， 我不要说让别人， 我自己要去学会弹钢琴这个事情 ， 我未见得一定要弹一个真的钢琴 ， 我也可以可以弹一个 keyboard， 对不对 ？ 然后它可以出钢琴的声 。 **吴涛** [1:30:42] 啊 ， 那这是完全正确的 ， 就很多人买不起钢琴 ，他就拿那个就是键盘在家练 ， 这也也有 ， 只不过是你那个键盘的的配重最好是全配重 。 **重轻** [1:30:51] 买不买得起是一个问题啊 ，因为我想到是另外我们接下来问的是另外一个跟这个紧密相关的东西 ，因为是什么呢 ？ 比如说我哈 ， 我是一个典型的叫做小手短手指用户 ， 对吧 ？ 那你经常知道说弹钢琴说你要跨多少个键 ， 弹几个键 ， 我是肯定做不了这个事 。OK， 嗯 ， 那么啊 ， 同同样的类别 ， 我再类比一下， 就说这个这个吉他 ， 它是很多六六根弦 ， 对吧 ？ 然后我要按到什么一个位置 ， 然后才弹拨一个什么样的力度 ， 然后以一个什么样的方式让它发出那个声 ， 然后这个事情我发现就是在物理上我做不到 。OK， 嗯 ， 那么它就会影响我 。 **吴涛** [1:31:29] 这不是我吗 ？ 我就左手按弦 ， 觉得手特别疼啊 ， 哈哈 。 **重轻** [1:31:33] 哎 ， 对对 ， 就你这个这个你就是它它疼痛嘛 ， 或者说就是有有与你的这个 ， 假设你就少一个手指 ， 对不对 ？ 你就生理缺陷 ， 对吧 ？ 行不行 ？ 你就你就弹不了这个曲子了 ， 你就演奏不了这个曲子嘛 ， 就是在那个那个乐器上面是这样子的 。 那我的问题是说 ， 那我在一个键盘上， 假设呃 ，但键盘跟钢琴它长得比较像 ， 可能不太好说 ， 那就假设是这个刚才你说这个问题嘛 ， 就说你那个吉他最多能拨六根弦 ， 对吧 ？ 你到顶了 ，但是你键盘上可以按 10 个键 ， 那可以产生 ， 就是可以绕过一些那个就是声学乐器的物理限制 ， 它必须长那样 ， 它不一定长那样了 ， 对吧 ？ 它现在就是你可以按按键 ，也可以实现弹吉他 。 所以从我的角度来讲 ， 更加可以又又来那个毛病了哈 ， 就是更加可以批量化 ， 更加标准的让所有的小朋友都能够学到乐器的方法 ，其实反而弹键盘可以这么理解吗 ？ **Rio** [1:32:28] 嗯 ， 你你这个想法的问题在于 ， 就是你的这种技术中心主义的视的视角 ， 简化了人们的动机 ， 就是人们的动机还是为了 reproduce 音乐 ， 就是人们要要那个能够 reproduce， 就是别别说萧邦的这个夜曲 ， 然后他要能够弹出来 。 所以那个我们做的这一切 ， 把小孩送送到课外班 ， 或者他去学各种各样的乐器 ， 都是为了能能再现这个具体的曲子 。 **吴涛** [1:32:54] Rio 忽视了男生弹吉他是为了追女生这个问题 ，因为你 。 **重轻** [1:32:58] 哎 ， 我知道这个 ， 我我没有否认他有那些其他的这个耍帅的这个功能性 ， 你把抱个吉他 ， 常常非要以前也很帅 ， 对吧 ？ 这个这个我我们不讨论这个问题 ， 我就说纯技术的问题 。 刚才周文清提到这个点 ， 我觉得很有意思 ，因为道理很简单嘛 ， 萧邦是哪年生的人 ？ **吴涛** [1:33:12] 16， 反正波兰不在的那一段时间 。他哪年死的 ？ 我不知道 ，1849 年 。 **重轻** [1:33:18] 萧邦死的时候你肯定还没出生 ， 对不对 ？ 你也没听过萧邦弹道理长什么样子啊 。 **Rio** [1:33:22] 对 ，make sense。 **重轻** [1:33:23] 所以你去追求说你要复刻萧邦的那个弹的那个那个结果 ，是不是意义不是特别大 ？ **Rio** [1:33:29] 我觉得这是两个问题吧 ， 萧邦留下来的是一个 ， 萧邦留下来并不是什么真实的音乐的 ， 就是你能他他留下的不是一个实体 ， 就好像李白写下来的诗 ，他其实不是一个实体 。他留下这个谱子嘛 ，他留下那个 MIDI file 给我们 。 不不不 ， 甚至不是 ， 甚至不是一个谱子 ， 李白给你的诗传递的是李白的一个意象 。 **重轻** [1:33:51] 对 ，但这个意象你未见得你能够完美的复刻嘛 ， 那既然你都不能完美的复刻 ， 那我通过键盘来复刻 ，其实也不能说我错嘛 。 **吴涛** [1:33:59] Wait a second， 这个人为什么你在纠结会有人说你错这件事情上 ？ **重轻** [1:34:03] 刚才是呃 ， 应该是是周先生老师说 ，他说呃 ， 如果你用键盘去复刻 ， 你就复刻不出萧邦弹的那个感觉 ， 我理解是这么是这么理解 ， 对不对 ？ **Rio** [1:34:13] 不是 ， 我的意思是你不应该纠结这个 ， 没有人想要复刻这个东西 。 **重轻** [1:34:16] 对 ， 我我不纠结这个 ， 我的意思是不纠结这个 ， 就是我那既然我不纠结这个 ， 那我用键盘去弹萧邦和我用一个钢琴弹萧邦有本质区别吗 ？ **Rio** [1:34:24] 没有 。 **重轻** [1:34:25] 既然没有本质区别 ， 那我让小朋友去学钢琴和学键盘 ，是不是没有本质区别 ？ 刨开耍帅那些因素之外哈 。 **吴涛** [1:34:31] 基本上没有 ，但是家长想让小孩学会的是钢琴啊 。 **重轻** [1:34:35] 那我所以所以我在我在探讨 ， 就是为什么是这样嘛 ， 哈哈哈 。 **Rio** [1:34:39] 因为那个人不是你 ， 哈哈哈 。他俩都不像你这样有技术中心的视角 ， 就是说就我这两个没有区别 ， 或者怎么 ，他们就是想学一门手艺 ， 然后就是让自己的孩子变得非常有非常非常有情趣 。 就是我不知道为什么你会觉得别人像会像你一样去纠缠这个 ， 从技术角度看是否是等价这个事 ， 没有人在没没人在乎这个事 。 **重轻** [1:35:01] 你你这么想 ， 就说对多数家长来讲 ， 你觉得他会考虑到这么深的层面的问题吗 ？ 我觉得不会 ， 对不对 ？ 他就说我想要要去学一门乐器 ，他是这么想的 。 **Rio** [1:35:09] 哎 ， 对对对 。 **重轻** [1:35:10] 我我想明白的点就是说 ， 你学一门乐器的时候 ， 你到底是你到底表达的是一个什么东西 ？ 那刚才说了哈 ，有一个键盘 ， 它可以几乎完美的模拟出就是这个这个钢琴的一个声一个音色 ， 弹演奏的方式也和那个钢琴差不多 ， 都是按那个键嘛 ， 那个键长得甚至都是一样的 ， 对吧 ？ 很多情况下， 嗯 ， 那你学一个键盘和学个钢琴之间的这个界限到底是在哪里呢 ？ **Rio** [1:35:33] 咱们聊这个会让节目变得很无聊 ， 就是我们要聊这个吗 ？ **吴涛** [1:35:37] 这是一个 ， 我觉得这个这个比较形而上了 。 **Rio** [1:35:39] 就是这样 ， 首先就是钢钢琴的键子比那个键盘的那个键的数量那个要要多 ， 就是然后那个 keyboard 的那个键 ，有的时候就是最少是 49 键 ， 钢琴是多少 ？100 多个键是吧 ？ 对 ， 然后那个所以就是会很短嘛 ， 然后这是一个 ， 另外一个就是大部分的那个键盘 ， 它或者是没有配重 ， 或者只有半配重 ， 就是它那个键呢特别轻 ， 就是你按你按它的时候 ， 你需要的力气非常非常小 ， 就是你要很小的的力气就能按下去 。 这样的话呢 ， 如果你你你从小就是用用电子琴去学的话 ， 你在钢你在钢琴上会按不出声 ， 就是因为你的那个手的力量非常小 。 **重轻** [1:36:14] 刚才我不是问说有些所谓的电钢琴 ， 它是有那个这个重的那个叫什么力力度的区别的吗 ？ **Rio** [1:36:20] 对对 ，有那个全配重的 ， 就是它基本跟钢琴的模模仿的差不多了 ， 还是有区别 ，但是区别不大 ， 就是你就为了叫这个声的话 ， 那么我可以说就是拿电钢琴去学钢琴是没任何问题的 。 不是现实生活中有很多人就是在拿电钢琴学钢琴 ，但我不知道为什么咱要讨论这个 。 **重轻** [1:36:36] 没有 ， 我就我只是想知道 ， 就是说到底他们要去学钢琴的时候 ，他的那个 ，他是他的那个初衷是什么 ？ 他肯定不会去想说到底是他学的是电钢琴还是真钢琴 ， 对吧 ？ 这个好像没有太大的区别 。 对于这个底层实现 ， 就如果我们去看他底层技术的逻辑的话 ，他其实有很大的区别 ， 对吧 ？ 我只想了解 ， 就这种区别是不是是一个叫做什么呢 ？meaningful， 就是有意义的一个区别 。 **Rio** [1:36:58] 应该总体来说是 meaningless 啊 ，但是就是家长不不像你一样在乎这个实现的方式 。 **重轻** [1:37:04] 对 ， 就我自己的理解是这样 ， 就是说因为我自己小时候学过很多乐器 ， 都学不会嘛 ， 都受限于各种各样的 ， 我我理解啊 ， 就除除了我对本身对这个没什么兴趣之外， 很多情况下是受限于一个这个叫做什么物理的因素 。 刚才我讲了好几个原因 ， 对吧 ？ 比如说这个这个弦 ， 你的这个你的那个生理 ， 你就跟别人有一点不一样 ， 那你肯定就效果是不一样的 。 然后就说你的所谓的这个技法呀 ， 就是说你要学这个弦乐 ， 它不是很多所谓的这个手指的这种技法嘛 ， 对吧 ？ 那其实我也不是很热衷这个东西 。 那我就说既然我不在乎这些所谓的实现细节 ， 我只是说我学音乐这个本身 ， 我去体会音乐的好 ， 那我未见得说我一定要去学怎么拨弦 ， 怎么去敲那个扬琴 ， 对吧 ？ 怎么去拨那个古筝 ， 怎么去按那个钢琴的力度 ， 那我直接在一个 keyboard 更加一个通用 ， 可能没有办法完全百分之百复刻那些设备 ，但是我觉得我有更好的这个通用性 ， 我可以体会到更多音乐的这个好玩 ，有有有乐趣的地方 。 而且我可以通过一个更加便携 、 更加轻便 、 更加低成本的一个设备来实现 ， 那何乐而不为呢 ？ **Rio** [1:38:09] 你你问的这个问题的那个毛病在于 ， 就是你你在你自己的这个逻辑上也只是半途而废了 。 我举个例子啊 ， 比如说我可以出于你同样的逻的逻辑来来说 ， 我连键盘都不需要学 ， 我我不是在跟你抬杠啊 ，因为我本人就是一个不会弹键盘的音乐爱好者 ， 我就拿鼠标做 ， 甚至那个就也有很多的朋友就是就是拿代码来做音乐 ，他他连鼠标都不用 ，他只用命令行来做音乐也没问题 。 你学音乐本身这个事 ，并不需要你去学那个声学乐器 ， 正如你不是一定要去学键盘 ，但是就是你用键盘学会了吉他 ， 这个事不能被表述为你学会了吉他 ， 就是你用了一种赛博朋克的方式学会了吉他 ， 你还是不会吉他 ， 你就是学会了演奏一种电子乐器 。 **重轻** [1:38:52] 所以我就说这个东西 ， 就是说你看你说你的最终目的是什么 ？ 你要学会你要掌握那门乐器 ， 还是你说掌握那种发出那种声音的办法 ， 对吧 ？ **Rio** [1:39:00] 对 ， 一切乐器的本质就是一种交互界面嘛 。 **重轻** [1:39:03] 对对对 ， 我就说我其实不在乎那个 UI， 我在乎那个结果 。 如果说你这么想的话 ， 就会变成下一个极端的一个状况 ， 就是说我甚至连这个 perform 演奏这件事情都不需要了 ， 我直接编程它 ， 对吧 ？ 我直接在这个电脑这个现在各种各样的什么音乐这种专门的这种软件里面 ， 我直接把我想要的那个曲子通过编程的方法 ， 就是通过这个鼠标键盘那个就是打字的那键盘哈 ， 然后把它这个调出来 ， 然后最后我只要点播放 ， 我就可以播放一首完美的曲子 ， 然后可以无限的重放它 。 因为演奏你不可能完美的完美的重复演奏嘛 ， 对吧 ？ 所有人都不可能完美的复刻过去的自己 。 所以就这个就就过渡到第二个问题来了 ， 就说那你说你在电脑上做音乐的时候是在做什么 ？ **Rio** [1:39:43] 就是做这就在做声音嘛 。 **重轻** [1:39:45] 对对 ， 就这个过程就就开始 ， 就是要要做具体是要一个什么样的一个过程 ， 可以就是很多人没做过嘛 ， 你你给他描述一下你在干嘛 。 **Rio** [1:39:54] 啊 ， 就是今天主流的做音乐的人的那个的 ， 就是做音乐的方式 ， 就是打开一个那个类似于就是剪视频的那那么一那么一软件 ， 它是有横着的一条一条的轨道 ， 然后它每一个轨道上可以发出一种声音 ， 然后它就往这个轨道上面去写一些音符 ， 然后让它去驱动一个合成软件或者一个采样的软件去发出声声音 ， 然后它可以对这声音加各种各样的效 果进行进行处理 ， 就是一种图形化的的编程 ， 大家可以这么理解 。 **重轻** [1:40:22] 这个过程中其实你说放那些元素 ，其实是有点像刚才我们提到那个 MIDI 文件 ， 那些所谓的各种各样的 note， 对不对 ？ **Rio** [1:40:29] 这个里边的底层技术就是 MIDI，MIDI 跑在每一个我刚描述的这个这个这过程中 。 **重轻** [1:40:35] 然后你说还要加些东西 ， 就刚才我们讲 MIDI， 它可能有有各种各样的细节哈 ，但这个我们其实在现代的这种电脑 ， 这种计算能力已经非常强大的时候 ， 你其实可以直接把那个采样文件给加进去 ， 就是某一个某一个这个钢琴的多元面发缩 ， 你直接可以做到进去 ， 对吧 ？ 你甚至都不需要专门的一个刚才所谓的这个那叫什么来的合成器那个硬件了 ， 对不对 ？ 你用一个电脑就可以实现了 。 **Rio** [1:40:57] 软件合成器都超级强大 ， 现在嗯 ， 比硬件强大多了 。 **重轻** [1:41:01] 呃 ， 比如说刚才你们我们在讲那个钢琴和这个 keyboard 的那个那个那个叫那个键盘那个乐器的那个区别的时候 ， 提到就说钢琴有力度之分嘛 ， 那在这个软件的这个这个编辑的界面上， 你怎么体现这个钢琴不同按的力度呢 ？ **Rio** [1:41:17] 就是有 velocity 这个这个指标 ，是 0 到 127 的整数 。 **重轻** [1:41:21] 那比如说刚才说这个吉他的 ， 你拨某根弦 ， 然后把它各种拨弄了一下， 这种细节它能够到哪个程度 ？ **Rio** [1:41:28] 在不同的厂商所那个贩售的 ，他们家自己做的这个吉他的音源里面 ，有不同的表现方式和不同的表现程度 。 像有比较厉害的厂家已经可以做到 ， 就是呃 ， 就是你在特定的 MIDI CC 上做标记 ， 然后就它会那个切换到不同的那个左手的技法和右手的技法 ，但是依然不能够那个真正的去接近到那个人演奏那么细腻的方式 。 **吴涛** [1:41:52] 它这个音源是还是采样而来的 ， 就是比如说刚才周先生老师说你调这个参数 ， 它对应的还是真实的时候 ， 如果那个人真的左手做出了这样的动作 ， 它才能调出来是吗 ？ 还是说它它其实也是处理了一下 ？ **Rio** [1:42:06] 它这个过程早就被抽象化过了 ， 就是你的数字音乐工作站去假装弹吉他的这过程中， 你不需要去那个真正的明白一个人怎么弹吉他 ， 你你只需要把那个指令就是在它那个轨道的信息里面就写对了就行 。 **吴涛** [1:42:21] 就是说你完全可以不知道吉他是什么 ， 然后搞出一个事实上， 就我就我这看那个音色库的时候 ， 很多很多乐器我根本就不知道它是什么 ， 我哪怕听到了之后， 我也不知道 ， 无法想象它是怎么发出来的 。 但是我的问题就是 ， 比如说我改了一个参数 ， 这个参数改变了这个乐器的音色 ， 那么这个乐器音色的改变的前提条件是不是这个音色必须当初被采样过 ？ **Rio** [1:42:47] 如果我们说的是采样范畴内的话 ， 那么那个有一些声音是不能通过对采样往那个的进行后处理而实现的 ，但是这个不重要 。 **吴涛** [1:42:57] 为什么不重要 ？ 就如果没有就没有了呀 ，是这样吗 ？ **Rio** [1:43:01] 这就是一哲学问题 。 **吴涛** [1:43:03] OK。 ### 制作之道 **Rio** [1:43:03] 音乐制作是一个探索的过程 ， 就是今天我们说现代意义上的音乐制作是一探索过程 ， 就是你说的这个事是不可能存在的 。在你的脑海中一片漆黑 ， 脑海的深处 ， 你想象了一种那个天花乱坠的声音 ， 然后你想要让电脑去实现它 ， 这事是不成立的 。 就是你想象不出来那个的那声音 ， 你只能想象特别狭隘的东西 ， 就是你听过的东西 。 而实际上现实那个的中， 人们在做音乐的时候是一种探索的方式 ， 就是他把这个声音给捏成这样之后， 哎 ，他瞎动了一个参数 ，他瞎拧了一旋钮 ， 然后他发现 ， 哎 ， 这个声还挺有意思的 。 对 ，他是一个就是 trial and error 的这的的的这过程 ，但是他并没有试图再接近他脑海中一个特别特别具体的那个的目标 ， 这是不可能的 。 **重轻** [1:43:46] 这这个过程是不是有点像调调香水 ， 我们就各种各样的原料堆一起 ， 你也不知道它会最终会怎么样 ， 你只能堆在一起之后闻一下 。 **Rio** [1:43:53] 对 ， 调香的师傅是肯定他的工作方式不是在他脑海中先预想出一个完美的香味 ， 然后再去实现的 ，他肯定是在调的过程中去去感受的 。 **重轻** [1:44:03] 它一定是一个什么 bottom up 的一个过程 ， 先有一些原材料堆在一起 ， 然后看得到一个什么样的结果 ，而不能说是我先有一个预定的目标 ， 然后再拆解出来需要什么样的东西 。 **Rio** [1:44:14] 对对对 ， 然后以及就是没有人在乎那个什么要惟妙惟肖的去那个把吉他手的弹吉他的方式给重现出来 ， 没有人在乎这个 。No one gives a shit， 只有你们这种人才会在这个讨论的时候想到这种奇奇奇怪的问题 。 **吴涛** [1:44:28] 其实周先生老师不要那么胡说 ， 我我觉得今天这期节目其实其实唯一的就是或者一个意想不到的 byproduct， 就是整个颠覆了 Rio 的音乐观 ， 系统的重新构建了 Rio 的音乐观 。 **重轻** [1:44:44] 对 ， 就说现代意义上的制作音乐 ， 这是怎么一个回事 ， 就是它跟传统的那种所谓的那声学乐器的演奏 ， 它的就完全不是一个一回事吗 ？ 这个我有一点模糊的印象 ，但是我不知道到底可以做到什么样东西 。 就我是完全 buy in 现在这条逻辑的 ，因为我对吧 ， 我又不在乎这个真的到底是个乐器怎么样子的 ， 我需要它是有可重复性 ， 对吧 ？ 然后能够这个精确的传输 ， 对吧 ？ 然后精确的这个复述 ， 那其实现代这种所谓的这种就是呃 ， 基于电脑这种合成的方式 ，其实对老师来说是非常 natural 的 。 **Rio** [1:45:16] 哎 ， 对 ， 就是总之呢 ， 我想强调一句 ， 就是说没有任何东西在试图取代任何东西 。 我们今天聊的所有的的东西里面 ， 被取代的就只是那个那个粗大而笨重的合成器 ， 然后被那个就是被那个比较相似的方式去小去小型化了 ， 变成了芯片 ， 最后变变成了可以在 CPU 的指令集上跑的的那个的虚拟乐乐的乐器 ，但是它们也也不是替代关系 ， 就是那个又笨重 ， 就是好好 100 多公斤 ， 像一座山一样的那个放在那个音音乐厅里的纯模拟 ， 就是用电压来控制的的合成器 ，也是宝贵的乐器 ， 就是演奏它仍仍然是一个很了不起的事情 。 然后那个吉他的软音源也没有在试图取代吉他 ， 没有任何东西在在取代任任任何东西 ， 只有纯粹的技术才能够那个就是才才能够被更高更快更强的技术所取代 ，而乐器不是技术 ， 就是没有任何乐器是技术 。 **重轻** [1:46:09] 它是一个风格 ， 对吧 ？ **Rio** [1:46:10] 它也不是风格 ， 它就是一种人的行为 ， 就是人的一个营生 ， 就人类就是这样 ，他人类就是在在搞没用的事情 ， 人类不是为着为了一个一个目标在让自己的那个方法论和那个自己的那个行动的效率 ， 那个就不择手手的手段的去提高它 ， 人不是这样的 ， 人就是在扯淡 ， 就是弹吉他这个事 ， 就算能够让电脑上那个就是完美的去那个复刻 ， 人们也也永 远的会有一部分的的人类会弹吉他 ， 就是吉他任何维的维度上的那个声音都都能够被重现和和替代 ，也不会阻止人们去弹那个拿木头做的吉他 ， 人就是就是这样 。 **重轻** [1:46:47] 那但有有这种就是描述这个这个这个两种不同 ， 我不知道你说它也不是一个风格 ， 就说那它是做出来的音乐和用一个所谓的 acoustic 乐器弹出来音乐 ， 它有这个有一个对应的一个描述 ， 这两种截然不同的东西的词吗 ？ **Rio** [1:47:03] 嗯 ，不知道 ， 它是一种文化或者习惯 。 **吴涛** [1:47:06] 行为 ， 人类行为 ， 我觉得就是两种人类行为 。 **重轻** [1:47:09] OK， 就是我就很难找到一个这个对应的词来描述这两种 。 **Rio** [1:47:14] 那个咱们来举一个纯数字世界里的例子来稍微探讨一下， 这是一纯就是跟音乐没关系了 ， 就是你知道那个有人会那个不顾一切的练速通 ， 比如他那个就超级玛丽 ， 就是这个他想要比那个全世界打的最快的人再快一秒 ，他可能要练 10 年， 他才能够打的比那个人再快个那个半秒钟 ， 然后这个事就是已经是很了不起 ， 就人类都觉得说超级玛丽 就是 1983 年的那个超级玛玛丽的那个最快的速通记录 ， 被人再缩短半半秒钟 ， 大概是实际是用了上一次被缩短大概用了七八年的时间 ， 就是大家就练怎么去那个能够在就是在操作上去更敏捷一点 。 那 in the meantime 这个事情的终局早就知道了 ， 就是用人工智能的算法去跑个几分钟 ， 就是就能够跑出这个游戏的极限快的那个操作的方式 ， 把一个游游戏用用它最快的方式那个给给打通 ， 这个事情就是要叫做 TAS 嘛 ， 就是 technology assisted speed run， 就是技术辅助的速的速通 ， 就是让电脑去去速通它 ， 就这个事的最终局早就在那了 ，但是人们依然会在干这个事 。 那么你刚才问的那个问题 ，在我说的这个事上就会显得很荒谬 ， 就是你你等于在质疑这个世界上所有喜欢玩游戏速通的人有啥意义 。 **重轻** [1:48:26] 那我没有质疑任何意义啊 ， 我我我你你我从头到尾没有质疑过任何事情 ， 我只是说他们的区别在哪里 ， 就是他们各自做这个各自的就是追求的东西 ，在在这个叫什么 ， 就是玩那个 acoustic guitar 的人和玩键盘弹出吉他声音的人 ，他们各自追求的什么样东西 ， 我想理解的一个东西 ， 我没有质疑任何人。 **Rio** [1:48:46] 对 ， 我就是我刚才举的这个例子 ， 就是把这个事推到一个极端的荒谬化的程度 ， 就是在速通这个事里才是真正的没有任何区别 ， 就是在那个它实现的这个就是它的 accomplishment 是零区别的 ， 就真正意义上的零区别 ， 就是你拿手摁手柄把这游戏给速通了和让那个和让让让人工智能控制那个软件去速通 ， 它是没有任何区别的 。 **重轻** [1:49:10] 不是 ，因为因为那个地方没区别的原因 ，是因为你有一个明确的一个明确定义的结果 ， 就是说你要追求最快 ， 这个是一个客观可以测量的东西 。 但是我刚才的问题就是说 ， 你弹一个这个声学吉他和你用键盘拨弄出一个声学吉他的声 ， 这两件事情是不一样的 ， 对吧 ？ 但它不一样在哪 ？ 它们各自追求的是什么 ？ **Rio** [1:49:33] 你在问就是玩吉他的本身的乐趣 ， 就是这个能不能够被用电脑软件或者是用比其他的交互界面来那个来同样的实现 ， 这个乐趣能不能实现 。 **重轻** [1:49:44] 首先就是说你得先了解它本身各自在在追求什么样的一个乐趣 ， 然后这两个乐趣能不能够互换 ， 或者说能不能够实现达到同样的效果 。 假设说哈 ， 我说我的目的是说我要弹出来两首好听起来好听的音乐 ， 那这个时候我用一个声学吉他来实现和我用一个键盘来实现 ， 好像对于听者来说没有太大的区别 ， 对不对 ？ 那可能只是我玩的过程中可能有这个实现方式 ， 这个所谓的这个手感不一样 ， 对吧 ？ 那个带劲这个感可能不一样 。 **Rio** [1:50:13] 哎 ， 对对对 ， 我们就说的极端点吧 ， 就是我们就说从听你演奏的这个角度来看 ， 这个区别已经被软件和咱们这个音乐制作的这工业已经彻底的给消灭干净了 ， 就是它可以做成跟你真真人一毛一样 ， 只要你用无数多的细节去堆到你的这个 programming 里面 。 **重轻** [1:50:30] 就绝大多数普通人是听不出来任何区别的 。 **Rio** [1:50:32] 不是绝大 ， 就是所有人都听不出来也也可以 ， 就是你只要往死里去修它 ， 就是去那个就是对每一个那个小的音符的音头和音尾和你全部去去修剪它 ， 你就能修 ， 对 ， 就能修的跟那个真人一毛一样 ， 这是没任何问题的 。 但是那个乐趣是永远都不能去取代的 ，因为那个它交互界面不一样嘛 ， 就是一个交互界面本身提供的乐趣是只跟那交互界面本身有关 ， 你比如说你玩指弹吉他 ， 你是敲敲打打的那过程啊 ， 就是你的你的左手和右手都在你左手的位置 ， 就都在你的指板上， 然后就跟在那个摁摁钮一样 ， 就跟在打音游一样 ， 这个过程给你带来的那个多 巴胺的那个释放是还是特别爽的 ， 就当你把这个事给练成了 ， 你用好几年把这个曲子给练成了之后 。 **重轻** [1:51:15] 就操作感嘛 ， 那种 。 **Rio** [1:51:17] 对对对 ， 就是那种爽快的那感觉 ，其实跟速通的那个东西也是能也是能 relate 的 ， 这个东西是永远不会那个因为它的声音上你的那个 production， 就是你的这个这个这个结果 ， 你的那个你的产品是一模一样的而而被消磨掉 ， 这个是永远都不会的 。 嗯 ， 就只要有一个事是人能去干的 ， 人就会去为这个事而着魔 ， 就任何一个人能干的事 ， 人就会没完没了的去着魔它 ， 这个事本身就是它 ， 它能在这个它可以去干的这个事里面抠出无限多的那个它能 appreciate 和那个享受的那个快乐 ， 就是这个事是永远取之不尽 ， 用之不竭 ， 它从来都和那个都和那个结果没啥太大关系 ， 每一个兴趣爱好 都是这样的 。 **重轻** [1:51:58] 那那我回回就要问回来这个问题了哈 ， 就是说那对于你个人来讲 ，因为你是说你是通过这个软件来做音乐的嘛 ， 那显然就是说你其实并没有那么追求演奏的那个乐趣 ， 对不对 ？ 你享受的是说你得到一个好好听的一个结果 。 **Rio** [1:52:13] 对 ， 就是即使是拿鼠标键盘去做音乐 ， 都能够做出那个刚才说的那个在吉他上玩指弹吉他的那样的那个 ， 就像 Tommy Emanuel 那样那样的的快乐 ， 就是能够就因为你操作特别的敏捷和你的思路特别的的那个的奇葩 ，而有一种就是多巴胺的释放 ， 都可以 。 就是你在网上可以看到很多做电子音乐的人 ，他的那个方法 ， 然后他和他的这个电脑之 ， 就是他在电脑上面使用的那个技巧 ，其实完全可以那个去对应到人们在吉他上所练出的那些花活的 。 你你就是你只是你不玩这个 ， 你很难去想象 ，但是但其实也它也可以 。 **重轻** [1:52:49] 因为这个例子我想起我另外有个朋友 ， 哼 ， 这个朋友很神奇 ，他读的是一个叫宫廷画派 ， 就是欧洲那种古典画哈 。他告诉我一件很神奇的一个事情 ， 就是说他交的毕业作品是他用一个鼠标在一个电脑上一个一个像素点出来的一幅宫廷画的作品 。 嗯 ， 就你能体会这种这种感觉吗 ？ 就是我其实在在对比就这两个事情到底它有 ， 就我觉得它有一有相似性在这里面 ， 就就我觉得这个就很好玩 。 **Rio** [1:53:23] 咱们今天讨论的这个问题 ， 总是有一种那个让我感到不舒服的的那个倾向在于 ， 就是我们试图 ， 我们似乎总是在讨论我们怎么能那个完美的复制出那些声学的乐器 ，但实际上就没人就没人在乎这个 。 **重轻** [1:53:38] 这不是一个目的 。 **Rio** [1:53:39] 你比如说你给我一电脑 ， 然后我在电脑上用软件去试图 ， 就最开始我的初心是在电脑上完美的去去模拟出一个指弹吉他的大师 ， 那么实际上我在干这个事的过程中， 我干着干着就跑偏了 ， 我就忘记我我最开始的的这目标了 ，因为我在统估吉他的这声音的过程中， 我就统估出其他的声音 。 **重轻** [1:53:57] 这个是一个客观的问题 ， 我不知道为什么你会觉得有有有一种被被冒犯到的感觉 ，因为这个道理很简单嘛 。 **Rio** [1:54:03] 哦 ， 就我不是被冒犯 ， 就是我是觉得这是一个次要问题 。 **重轻** [1:54:07] 但但这个是一个非常我觉得非常客观合理的一个问题嘛 ， 就是说如果假设 A 能够包括 B， 对吧 ？ 就是 A 能够完美的复现 B 的所有的特性 ， 那它本身能知道这么一个结果 ， 就是很多数学上我们知道说呃什么呃 ， 就是什么 A 是什么 B 的一个什么什么数 ， 是一个什么类型的数的一个子集或者超集什么样 ， 你就可以得到一些其他一些性质嘛 。 就说这个疑问就是在于说我们现代的工业水平能够在多大程度上去复现那些 acoustic 的乐器 ， 对吧 ？ 那你告诉我说它其实并不能完美的复现 ，也不追求这个事情 。 **Rio** [1:54:45] 就主要是交互界面 ， 呃 ， 就是交互界面不能 ， 然后但是这这可以 ， 你咱们可以做一个钢中之脑那样的思维实验 ， 就是就是来看这个这个这个事的荒谬的点在于什么 ， 就是咱可以做一个什么样的交互界面呢 ？ 就是我们不计成本和代价的做一个掌作为一个做一个木吉他软音源的控制器 ， 这个控制器长得跟木吉他一毛一样 ， 这个这个你能想象吗 ？ 就是就是做成一个长得跟木吉他一模一样的的遥控器 ，但是这个遥控器就用极其昂贵的不计成本的技术 ， 然后做了一个那个它 ，但是唯一的区别就是你连那个弦都是铜铜做的 ， 连那个纸板都是木都是木木头做的 ， 只是那个木头芯的最深处走了一些的电电线和一些极其昂贵的传感器 ， 能够让我们这个吉他输出的那个信号往电脑去的那 个信号是数字信号 ， 就是是那个乐谱信号 。 **重轻** [1:55:35] 那不是电吉他吗 ？ **Rio** [1:55:36] 不是啊 ， 电吉他输出的是模拟信号 。 **重轻** [1:55:39] 就变得很哲学了 ， 对吧 ？ 到底到底你在干嘛呢 ？ 这个时候你在谈的是什么 ？ **Rio** [1:55:44] 就是你在你的交互界面上， 这个就是无穷无尽的去接接近那个声学乐器的过程中， 你就在成为它 ， 就是你这吉他所有的部分都是吉他 ， 就唯一它那个输出的信号是是数字信号 ， 就你做了一个就是普通的吉他 ， 它输出的是数字信号去演奏你采样器里的那个吉他的音色库 。 那我觉得如果这个东西存在的话 ， 你也可以说这两个事是一个事 ，但是这没有意义 ， 就是 you might as well just play the fucking guitar 就是你那你就去弹真吉他也是一样 ，在还这个事你还没做到的时候 ， 你就已经意识到这个追求没有没有意义了 ， 就是我们我们不需要去去追求这个事了 。 **重轻** [1:56:20] 嗯 ，也就是说现在的这个基于这种电子 ， 这这叫电子乐吗 ？ 好像好像也不是一个东西啊 。 **Rio** [1:56:26] 啊 ， 就是数字音乐吗 ？ **重轻** [1:56:28] 数字数字音乐 ， 对 ， 数字音乐其实它 。 **吴涛** [1:56:30] 我这其实就是我们讨论的标题 ， 对 ， 音频数字化 。 **重轻** [1:56:34] 对 ， 它它其实在一个新的这种呃一个领域里面 ， 就是独自在走自己的 ， 然后那个所谓的那些现场演唱会玩这个所谓声学吉他 ， 它是追求的是另外一种东西了 ， 它已经分道扬镳了 ， 可以这么理解吧 。 **Rio** [1:56:49] 它和人类的那个文化传统和人类的那个就是公共记忆和人类的这个习惯有关系 ， 对 ， 嗯 ，而这些东西都是好的 。 **吴涛** [1:56:58] Makes sense 很多疑问都已经解开了 。 **Rio** [1:57:01] 对对对 ， 我跟你那个就是不一样的是 ， 我不觉得这个东西是需要被替代的 ， 就是就我没有问过这个问题 ， 我倒不是说咱俩就是有有巨大的分歧 ， 就是就是就是就是让我觉得这个节目一直所传达的那个气息 ，以及这个今天具体你纠结的这个事 ， 这这是完全一致的 ， 就是你眼中这个世界是由技术来构成的 ，而而而而且这个这个技术是一 个上升的过程 ， 它是可以去就是对过去的技术所取代的 ，而我们今天聊的恰恰是一个就是技术在其中只是一小部分的这么一个事 ，但是我们确实用一个技术的视角来聊一个根本就不是技术的东西 ， 所以就变得特别有意思 。 **重轻** [1:57:40] 这个趋势是很很正常的嘛 ， 就好像说我们最开始做这个 ， 比如说这个刚刚也是说 UI 嘛 ， 交互界面 ， 对吧 ？ 最开始做那个什么 Windows 做一个桌面 ， 对吧 ？ 它要搞出什么呃这个这个文件夹这些很拟物的东西 ， 对吧 ？ 以前我们看各种材质呀 ， 要金属拉丝 ， 要这个这个叫什么那个那个那个笔笔记本要多少那个牛皮的纸那种感觉 ， 那后来就说发现你没有必要去追求这个东西 ， 对吧 ？ ### 拟物之辩 **重轻** [1:58:06] 你有自己更独特的一个发展的一个方向 ， 我们现在现在就各种各样的非常现代的东西 ， 就是音乐其实这个东西在里面是一模一样的 。 **Rio** [1:58:15] Exactly， 就是就是这么回事 。 **重轻** [1:58:16] 刚才问的就是说本质上其实问的说我在电脑上要做要做多少这个 Skeuomorphism， 多少拟物 ， 对吧 ？ 就说多少程度上我要去还原物理世界中那个东西 ，但其实发现你可以还原一部分 ， 甚至可以很高程度的去还原 ， 就假设说我有一个 8K 分辨率的东西 ， 我可以我可以还原非常精细的东西 ， 对吧 ？ 但是不会那么做了嘛 ， 对吧 ？ 就现在我们人对这个数字世界的理解 。 **Rio** [1:58:42] 对啊 ， 就是拟物设计才刚起步 ， 它就变成变变平了 ， 就是就是这样的 ， 还没你明白呢 ， 它就已经变变平完了 。 **重轻** [1:58:48] 对 ， 它就已经走了 ， 就就离开这了 。 这个事情马上就是或者说正在发生 ， 就是我不是在这个 UI 这个二维 UI，而是说在这个所谓的 AR VR 这个这个这个世界里面会发生的 。 我们现在你可以想象得到 ， 就是现在还没有普及嘛 ， 就说所谓的普及的 AR VR 第一波东西 ， 它肯定 。 拟物的 ， 你在面前浮现出一个什么样的一个人物 ， 一个杯子 ， 对吧 ？ 我们甚至看到各各过去各种各样的一种演示 ， 什么这个 Minecraft， 它在一个你的那个桌子上就出现了那个那个小积木 ， 它是有质感的 ， 对吧 ？ 有材质那种感觉 ， 它就是一种拟物嘛 ， 对不对 ？ 对 ， 如果这个同样的事情发生的话 ， 一定会在这个 AR VR 被这个大众所接受 ， 普遍理解的可能二三十年以后， 我们会更加抽象的去体现出那种 ， 就不要那种拟物的去展示那个方块了 。 **吴涛** [1:59:40] 我对这件事情倒是有完全不一样的感受啊 ， 我觉得 VR 和 AR 最直观 ， 或者说现在已经广为接受的恰恰是抽象的东西啊 ， 比如说呃战斗机的 HUD， 或者是你你车载的那个挡风玻璃上那个 HUD， 它显示的都是抽象的东西啊 ， 一个方框上面写着 。 **重轻** [1:59:58] 不 ， 这里有个很本质的区别 ， 就是你那个叫 HUD， 对吧 ？ 从头到尾没有出现 R 这个词 。 **Rio** [2:00:04] 它它就是 AR 的一种啊 。 **重轻** [2:00:06] 不是 ， 你看那个 AR VR 的 R 是什么 ？R 就是 reality，reality 就是现实 ，AR VR 在名字的定义上就是对现实的一种 Skeuomorphism， 一种模拟 。 **吴涛** [2:00:18] HUD 就是对现实的改变啊 。 **重轻** [2:00:20] 改变并非模拟啊 。 **吴涛** [2:00:21] 不不不 ，Argument Reality 可不是模拟现实哦 ， 亲 ，Argument Reality 是改变现实好吗 ？ 改变你看到的现实 。 **重轻** [2:00:28] 对对 ， 这 Argument Reality 嘛 ， 它还是一个 reality 在里面 ， 对不对 ？ 就如果说你在 AR 只是浮现一个字在上面 ， 你并没有改 ， 你并没有对现实做出任何样的修改 ， 或者说如果你要去你要你要去修改现实 ， 就是你 overlay 一个字到你面前算不算 AR， 你说如果勉强这个也算 ， 那也那也 OK，但但很明显这跟他这个这这帮做技术的人要去想的那个 AR 不是一回东西 。 如果如果你是 overlay 一行文字 ， 就就 。 **吴涛** [2:00:55] 怎么不是一回东西 ？ 哎 ，wait a second， 我们对 VR 的问 ，不 ， 我的硕士论文就是写 AR 的 ， 就你要是跟我纠结这个定义问题的话 ， 我觉得我还是很有十二成的把握告诉你说 。 **重轻** [2:01:06] 我明明想说什么 ， 这个东西你你你去跟这个消费者争论这个没有用 ，因为现在大家想的所谓的 AR VR 就是你在我的这个这个这个叫什么 ， 这个一个戴个眼镜之后， 投射出一个本来不存在那的一个物嘛 ， 这个物它就是现实中的一部分 ， 你才能够所谓的那种叫做不会穿帮的那种感觉 。 为什么你看现在苹果也好 ， 那个那几家也好 ， 都在追求说我一定要说什么激光测距 ， 要测量出这个现实是怎么样 ， 我才能够把那个那个物投射在这个眼睛上， 让你使之使得看起来它不是一个一个一个虚拟的东西 。 你 HUD 显然你是个三岁小孩都能看出来它不是一个正常的物嘛 。 **吴涛** [2:01:46] 不 ， 那只是因为 HUD 没有故意刻意要去改变 ， 就没有刻没有刻意要去做拟物呀 。 我们回到刚才最开始的你的讨论 ， 就是你认为 AR 的一个将来最开始的一个最开始 ， 哦 ， 你说最开始的一个发展阶段 ， 就是要让放进去的东西尽可能的接近真实 。 **重轻** [2:02:04] 这是现在他们在追求的东西嘛 。 **吴涛** [2:02:06] 不 ， 我觉得我觉得这不是人们在追求的东西 ， 这只是人们所追求的东西的一部分 。 **重轻** [2:02:11] 嗯 ， 那你可能要看一下他们现在那些所谓的这种当红炸子鸡项目都在干嘛 。 **吴涛** [2:02:17] 当红与否跟这是不是一个首要目的并不冲突 。 **重轻** [2:02:23] 不不不 ， 你你你别 ， 我我不是跟你在追究这个理论上的差异 ，而是说它如果要被大众所接受 ， 它一定会经历这么一个过程 ，HUD 是不会被大众所接受的 。 就就这么说吧 ， 就是说如果苹果那个眼镜它做不出那个那个叫什么 ， 那个那个那个在佛罗里达那公司叫什么名字来着 ，Magic Leap， 对不对 ？ 它做出做不出那个鲸鱼从那个那个水池里面跳出来的效果 ， 它一定是不会被大众所接受的 。 我想说的是这个意思 。 **吴涛** [2:02:51] OK， 我不同意 ，但是我觉得这没什么可讨论的 。 **重轻** [2:02:54] 对对对 ， 这是个人看看法嘛 ， 就是我我刚就刚才讲 ， 我就想想试图理解说这个模式反复出现 ， 对吧 ？ 我们看在音乐里面出现了 ，在这个所谓说这个二维的这种平面的图形界面里面出现了 ， 我觉得它在以后的这个 3D 的这种这种 UI 里面它还会出现 。 **Rio** [2:03:09] 就是那个这种模模仿 ， 它不是那个 ， 它最终不会成为对于那个它被模仿物的取代 。 **重轻** [2:03:16] 就最终它一定会走出它独立的一个一个一条路嘛 ， 就是我们看到的两个例子都已经是这样子的了 。 对对对 ， 那下面那个例子肯定也是这样子的 。 所以反而就回到了吴涛刚才说那个问题 ， 就是说真正的这个 AR 普及起来以后， 那可能真的更有用的是那些 HUD， 就是投射一个信息到空间里面 ， 这个这个信息未见得要以一个拟物的形式出现在那个空间里面 ， 它也可以是一个抽象的形式存在 ，但我们需要我们这个脑子啊 ， 需要经过一这个几十年的时间的 这种训练 ， 熟悉掌握这套语言 ， 这套这套元素 ， 就好像中青老师现在做音乐一样 ，他也要学会说用那个那个 ， 比如说我是用 GarageBand 来做 ， 举个例子啊 ， 你可以用更专业的软件来做 。 对 ， 你还得熟悉这套语言 ， 它每一个符号 ， 每一个 symbol， 每一个交互 ， 它代表什么样的东西嘛 ， 必须有这套完整的一个你你你你掌握了这套语言描述之后， 你才会去理解它产生的一些信息对你来说什么意义嘛 ，不然的话 ， 你真的只能从拟物的时候一步一步走 ， 一步一步来来做来学起嘛 ， 就这个过程会是这样子的 ， 我觉得 。 **Rio** [2:04:15] 但是它们都是并存的 。 **吴涛** [2:04:17] 实际上我也不同意 ， 就是对于音乐这个的论述 ，因为 Rio 刚才说的就是说音乐好 ， 电子或者说呃数码音乐 ， 好像走过了一个先试图拟拟真 acoustic 呃乐器的这么一个过程 ， 然后又变得抽象了 ，但事实上不是这样的 ， 就是数字音乐一开始在从最开始的时候 ， 就是它简陋到它没有那个能力去模拟 acoustic 呃乐器 。 **重轻** [2:04:44] 那是它不能 ， 它不是它不想嘛 ， 哈哈 ， 对不对 ？ 就是你可以看 ， 为什么刚才我们讨论了从从从那个什么电子乐 ， 我们接触应该是从 80 年代开始才有的民用化的程度 ， 对不对 ？ 我印象中是这样子 ， 八九十年代吧 。 **吴涛** [2:04:57] OK， 我我我 OK， 我大概明白了 。Rio 的意思就是说 ， 如果这件事情能做到的话 ， 它早晚会做到的 ，但它可以做拟物的时候 ， 它它一定会去做一次拟物的 。 **重轻** [2:05:07] 对 ， 它必须要拟拟一次物 ， 让大众所接受所熟悉那套语言 ， 那套风格之后， 它再走向说啊 ， 我已经知道了 ， 我能够在前面的那个基础上做到什么样的一个程度 ， 然后我再去独自发展我自己的方向了 。 **Rio** [2:05:21] 我对你的这个陈述要进行的修正 ， 就是它不是先后 ，而是一种渐变 ， 就是一种同时发生的渐变 。 **重轻** [2:05:28] 对 ， 时间上它不一定是一个先后的关系 。 **Rio** [2:05:31] 啊 ， 就是 60 年代的时候 ， 那个对 ， 就是 Robert Mook 发发明合成器的时候 ，他最初模拟合成器被发明的时候 ， 那个年轻人在就是他发明这个东西的减法合成器被发明的时候 ，他也试图跟别人解释过这个东西 ， 它可以发出像小提琴一样的纤细的声音 ，但是那个就是 ，但是在他说这个话的时候 ，他自己都不相信 ， 就是就是他当在当他最开始发明这个东西 ，60 年代这个玩意问世的时候 ，他就认为这是一个全新的乐器 ， 它不需要像任何其他的那个历史上已经有的乐乐器负有模仿和近似的责任 ，但是他可他也不愿意在推销的时候去跟别人说这个东西可以发出类似于提琴的声音 ，但是他从头他就觉得这是一个新东西 ，他也不在意它和别的东西的相似性 。 嗯 ， 你你说的这个事和我说这种就是特别愣的 ， 就是完全就是新东西在出 ， 这俩事是并行发生的 。 嗯 ， 然后他们也在相互的影响 。 **重轻** [2:06:26] 是是 ， 就各自在尝试嘛 。 呃 ， 刚才那个那个问题我大概理解清楚了 ， 就说最后我问一个 ， 就是关于这个现实哈 ， 就说我们现在我们听到的 ，不管是什么所谓的这种知名歌手也好 ， 还是什么 YouTube 各种各样的曲子也好 ， 它绝大多数还是已经通过这种纯数字的方式做出来的了 ， 对吧 ？ **Rio** [2:06:45] 对 。 **重轻** [2:06:45] 那就说传统那些什么 ， 比如说什么柏林爱乐乐团那些 ， 这种到怎么定义 ？ 就那种那种交响乐的那种演奏 ， 它现在还是主流吗 ？ **Rio** [2:06:54] 依然是主流 ， 就大片会用这个 ，因为它的那个电脑做出来的那个呃 ， 还是不够 ，不就是不一样 ， 就是你你不能说它不够雄壮 ， 你也不能说它不够的丰满 ， 你你也不能说它假 ， 就是还是不一样 ， 就是 。 **重轻** [2:07:09] 给人感觉是不同的 。 **Rio** [2:07:10] 咱不是一个 HIFI 的人 ，但咱嗨 HIFI 来不是人， 就是 。 **吴涛** [2:07:14] 哈哈哈 。 **Rio** [2:07:16] 你要说你柏林爱乐乐团在那个音乐厅里面的那个的那个 ， 你电脑要想模仿起来可费了劲了 ，因为那个它那个音乐厅本身有一混响 ， 这你能理解吧 ？ 就是 。 **重轻** [2:07:28] 它就各种波的那个叠加嘛 。 **Rio** [2:07:30] 对对对 ， 它那混响是你很难去那个 ， 就是在电脑上去去就是去重现的 。Again， 这个时候又会有人出来说说现在已经有这个 ， 就是 convolutional reverb， 就所谓的卷积混卷积混响 ， 它可以把一个房间的混响的这个机机制给采样下来 ， 就是它它采样下来的不是声音 ，而是一个 profile， 然后它可以把任何一个声声音仿佛放置在 ， 比如说这个天坛点 reverb 这个的这个 profile， 就是就仿 佛放放在天坛的正中间一样的那个 ， 让它这个混响的声音产生出来 ，但还是就白扯 ，因为你要再往深深的挖 ， 它总是有区别 。 你比如说你这个就是第一组 ， 就是第一组小提琴在左边 ， 第二组小提琴在中间 ， 然后那个他们不同的声音在那房间里的位置又不一样 ，而你对那房房间的采采样的点又又是有限的 ， 它又是离散的 ， 就是你你要往上是它永远有区别 。 人呢 ， 就是他对于区 。 **重轻** [2:08:23] 就是到底模拟到什么程度为止 ， 对吧 ？ **Rio** [2:08:25] 对对对 ，他对他对区别这个事是是无穷无尽的去追求 ，但是就是有没有意义 ， 那是另外一个语境的事 。 另外就是一个乐队的演出 ， 每每次它都是不一样的 ， 每次都是不一样 ， 它和那个指挥的那个情况 ， 那个又有就有细微细微的区别 ，而且大家是拉不齐的 ， 大家会就是有的时候你慢一点 ， 我慢一点 ， 你声音大一点 ， 我小一点 ，因为每次演奏都是独特独一无二的嘛 。 对对对 ， 这就是就是 ， 所以古典音乐也永远不会被取代 ，不管它那个声音已经被多么惟妙惟肖的那个精精细化的那个 capture， 就是被数字化的那个捕捉了和采样了和资源化 ， 变成一种技术 。 然后古古典音乐的演唱会 ， 它它的音乐会 ， 它的音乐厅永远还会繁荣昌盛下去 ， 就是这样 。 嗯 。 **重轻** [2:09:08] 哎 ， 那 OK， 这个这个我理解了 ， 就说那问一个很商业的问题啊 ， 就说从这个制作成本来讲 ， 就是我你在一个电脑上用这个什么点点 ， 这个过程是不是更加的低成本 ， 可以这么问吗 ？ 就是 。 **Rio** [2:09:23] 对 ， 就是现在很多 ， 我觉得现在一半以上 ， 百分之八九十的那个影视配乐都是那个完全在电脑上做的了 ， 就是纯粹的数字音乐 。 **重轻** [2:09:30] 就这过程是更简单的 。 **Rio** [2:09:32] 对 ， 真实录 ， 就是去音乐厅里实录这个事 ， 永远是属于最顶端的项目 ， 就是最牛逼的游戏 ， 最最最大制作的那个 。 **重轻** [2:09:39] 就是大片的那种预算很无无限充足 ， 对的 。 **Rio** [2:09:43] 对对对 ， 永远是是受雇于他们的 。 **吴涛** [2:09:45] 嗯 ， 就感觉就好像动作捕捉一样啊 ， 就是你拿动画捏出来的人脸 ，是没有动作捕捉的人脸好看的 。 **重轻** [2:09:52] 呃 ，是 ，因为你没法描述那个东西嘛 ， 就是就是你只能去采样一个真人。 **吴涛** [2:09:58] 那个表情 ， 你那个表情你是没有办法用鼠标点出来的 。 **Rio** [2:10:02] 就这种这种进化 ， 它到底意味着什么 ？ 就是就是为什么咱们之前在纠缠这个事 ， 你比如现在你录一个架子鼓啊 ， 就是一个人打架子鼓 ，他打特别好之后， 你知道吗 ？ 就是那个在录架子鼓时候 ，他不是要好多的麦克风吗 ？ 就比如他这军鼓 ，有一个麦麦克风专门对着他这军鼓 ， 然后有一个地鼓专门就是对着他地鼓 ， 然后插片完 ，他脑门顶顶上有有一个 overhead 等等 ， 一堆的麦克风给录下来 。 录完之后， 你知道吗 ？ 就是在实际做唱片的时候 ， 那个制作人他会拿那个假鼓 ， 就是拿电子鼓把他那个地鼓给替换了 ， 就是他那个地鼓啊 ， 就是脚踩的那个董 ， 就是董斯大斯里边的那个董 ， 会被全部替换出来 ， 或或者被被大补一层 ， 就是就是被被被叠加一层 ， 就是他们会重做一遍那个地鼓 。 **吴涛** [2:10:45] 为什么要这样呢 ？ **Rio** [2:10:46] 就是因为那个地鼓啊 ， 就是那个架子鼓里的那个地鼓 ，他踩的再使劲 ， 录的再好 ，他也没有力 ， 没有那么强的力道 ， 就好像人吃味精吃时间太长了之后， 任何海海鲜的鲜味都不够鲜 ，他必须要吃放很多的味精 ，他才觉得这这个鱼有有鱼的味道一样 。 就今天的那个地鼓的力量之大 ， 那个就是如针扎一般 ， 扎到你耳膜里的那个咚的那个的那声 ，是没有办法用那个传统的那个声学的鼓的那个地鼓来 ， 就是来实现了 。他必须用那个假鼓 ， 就是就用电鼓来 。 **重轻** [2:11:19] 他那个是个非常低频的一个声音 ，是不是 ？ **Rio** [2:11:22] 对 ， 非常低频 ，但是又很力量大的一个声音 。 对 ，而且那个那个声音是必须要很快的衰减下来 ， 就它有一个特别尖 ， 就是就突然出来巨大的能量 ， 然后然后然后又突然又没了 ， 就这个在那个那那个物理世界中的那个鼓是做不了的 ， 所以它会去去把这个给替换出来 。 所以就是美学本身也也在发生变化 ， 就人们嫌这个地鼓就没劲 ， 就是然后人们会拿那个假鼓去替换它 。 **吴涛** [2:11:47] 这我听完我感觉就像就真的好像姑娘们 P 图一样啊 ， 就是你下巴 ，其实正常人下巴是长不了那么尖的 ， 然后你强行把它 P 成那么尖 ，但是就会有人觉得这样是好看的 。 **重轻** [2:11:57] 然后你觉得你不 P 觉得还不美了 。 **吴涛** [2:11:59] 对 ， 就觉得美人一定是这么尖的 。 **Rio** [2:12:02] 接下来很快就会发展出微微 Tuber， 然后然后人们就甚至都不都不在意那个主播实际长啥样 ，他会就是大家又会迷迷上一种新的形式 ， 然后那个新的形式就是人们的美学和人们的偏好又又又也在跟着变化 ， 所以没有任何东西在取代任何取代任何东西 。 **重轻** [2:12:19] 对 ， 就唐金田也是田 ，也有一种风格 。 **吴涛** [2:12:22] 对 ， 就像 Twitch Twitch Twitch 新出来那个 Virtue 的那个主持人一样 。 **重轻** [2:12:27] 哈哈哈 ， 好多疑惑都得到了解决 ， 我觉得感谢感谢感谢感谢 。 ### 终曲 **吴涛** [2:12:33] 我觉得这期节目蛮神奇的 ，因为这期节目跟我想象的完全不一样 ， 就是跟我的最开始的 Inception 是完全不一样的 ， 就是我觉得我们三个可能是一个怎么说 。 **重轻** [2:12:43] 带偏了 ，是不是被我哈哈 。 **吴涛** [2:12:45] 不不不 ， 对 ， 我开始至少气氛上我觉得我们三个可能是那种怎么说相近 ， 呃 ， 举案齐眉 ， 相敬如宾的那个那个状态 ，但是就是居然一个技术主题节目能聊出情绪化的内容 ， 我觉得也蛮神奇的 ，而且后半篇基本上就变成了相当形而上的一个讨论 。 **重轻** [2:13:05] 哲学讨论了 。 **吴涛** [2:13:06] 哈哈 ， 就离技术远的已经不能再远了 ， 这这是我完全没有想到的 ， 挺有意思的 ， 就我觉得这可能这就是请嘉宾的意义吧 。 **Rio** [2:13:14] 就是我我是一种饶有兴致的在在跟你们在争吵 ， 我因为我就觉得争这个特别有意思 ， 就是我就觉得呃 ， 就是技术视角是一种非常有意思的傲慢 ， 就是你就以一种那个人类进步的视角 ， 就你就觉得技术在带着人类那个就是在攀高峰这个事 ， 就在我看来特别特别扯 。 **重轻** [2:13:33] 真的 ，because I can 嘛 ， 就是说 why not， 对吧 ， 这种 。 **Rio** [2:13:36] 对对对 ， 就是这句话就是恰恰就是咱两边都可以用来佐证那个就是自己的看法 ， 就是我就可以说就因为我能 ， 就是因为我能 ， 所以全人类脑后都插管的时候 ， 我还可以去健身房 。 哈哈 ， 就是就是这样 ， 就因为我能 ， 我还可以去弹吉他 ， 就是去你大爷 ， 我还是会去那个 ， 对 ， 去弹柳柳 ， 就是随便啊 ， 你管不着 。 **吴涛** [2:13:58] 就我们现在已经有飞机了 ， 为什么你要去爬山 ， 对吧 ？ 因为山在那 ， 就 that's it。 **Rio** [2:14:03] 对 ， 所有的这些东西都是多出来的 ，但是它没有什么东西在在取代什什么东西 ，以及音乐并不是一种技术 。 **重轻** [2:14:09] 好吧 ， 那个啊 ， 我们好像好多几个话题没有讲 ， 那只能下次 。 哈哈哈 。 **Rio** [2:14:15] 太逗了 ， 这节目简直了 。 **吴涛** [2:14:16] 呃 ， 就不过我觉得其实这一期的深度已经远远超过了我们的初衷啊 ， 就是我这个我大概说一下吧 ， 就我的我的这个呃 ， 大纲上大概还提到了 ， 比如说我们要解释一下什么叫合成器 ， 然后什么叫震荡器 ， 什么叫滤波器 ， 什么叫包络 ， 什么叫音序 ， 然后我们还想讨论一下人工语音 ， 就是比如说 Siri 这个玩意它是怎么实现的 ，以及 我们知道那个就是雅马哈做了一个软件叫做呃 ，Workloid， 它是完全用人声的合成语音 ， 初音未来 ， 然后本来还要聊一聊这个 。 **重轻** [2:14:51] 那这个显然要留给下这个系列的下集 。 **吴涛** [2:14:55] 人工语音合成 ， 我觉得如果能找到一个找到一个相关的从业者 ，其实最最有意思 ，因为我觉得人工语音合成是一个很神奇的事情 ， 就是大概说一说吧 ， 就是我之所以会写下这个 ，是因为我我有一个发现 ， 就是计算机视觉上的突破实际上是远远超过音频的 ，因为你现在你完全可以用小小人来在这个游戏里面演出你的角色 ， 完全不需要用到真人 ，但是一旦你 想要全程语音 ， 那你基本上是一定要找一个人来配音的 ， 包括甚至包括我们提到的这个初音未来和那个 Siri， 它背后都是有一个人的 ， 那个 Susan Bennett 就是 。 **重轻** [2:15:32] 也需要采样 。 **吴涛** [2:15:33] 对 ， 就是 Siri 的采样员 ， 她 2005 年就开始做这件事情了 ， 那我就觉得很神奇啊 ， 就是为什么我们现在的技术没有办法没有办法就是 out of nothing 来生成一个人的语音呢 ？ 或者说我们也许我们可以了 ，但是听起来是非常非常奇怪和和生硬的 ， 对 ， 诸如此类的 ， 我们本来想本来也想要聊一聊 。 **重轻** [2:15:53] 就有可能是刚才提到的那个问题 ， 你想象不出来它到底有哪些变量嘛 ， 所以对吧 。 **Rio** [2:15:59] 就是就是人人声里边里边有有有有一个东西 ， 那个很难去模仿 ， 就是他那个所谓的共共振峰 ， 就是人说话的时候那个就是三四千赫兹那个位置有一个尖 ， 就那个那个那个尖不不是跟着你的语音语调平行的变化 ， 你比如说当你的那个基础频率是在 3,000 的时候 ， 那个尖是在 3,500， 当你的那个频率升到高到升高到 3,500 的时候 ， 它就变成了 3,500 乘以 呃 ，3,500 除以 3,000， 就不它不是这个规律 ， 就它不是一个等比例的跟着那个就是变化的 ， 它是那个跟每一个语言的那个元音和辅音的那个就是音韵学有关 ， 它不它不能用算法来那个直就直接去 determine， 这是一个 ， 然后另外一个就不同的语言和不同的人的那个的那那那个共振峰的那个移动的方式也不一样 。 **吴涛** [2:16:48] OK， 所以事实上人的喉咙是非常难以用数字化的方式来来来在线的 。 **Rio** [2:16:55] 对 ， 然后还有还有舌头 。 **重轻** [2:16:56] 但所以就是如果你你一定要走极端的话 ， 就是说你得去研究这个整个这个腹腔 ， 对吧 ？ 怎么一个收收吸气收气呃 ， 发那个出气 ， 然后搞带动这个声带 ， 然后舌头的各种口腔的肌肉的变化 ， 然后才能完美的解决这个问题 。 **Rio** [2:17:12] 呃 ， 你的这种底层模模拟的思维应该永远都不会有人去做了 ，因为那个人工智能很快就就很快用黑盒的方式就直接越过这这一切 ， 就就直接糊弄出来了 。 **重轻** [2:17:22] 我们可以直接 cheat， 对吧 ？ 何必这么麻烦 。 **Rio** [2:17:25] 对 。 **吴涛** [2:17:26] 对 ， 直接用统计学统计式的方法把它做出来了 。 **重轻** [2:17:29] 跟刚才那个模拟那个乐器的发声又是一个的同样的路数了 ， 对不对 ？ **Rio** [2:17:34] 对 。 **吴涛** [2:17:34] 然后我这个提纲里面还写到了 ， 比如说音频压缩 ，但这是一个巨大的坑啊 ， 就是我觉得这个可能单独嗯讲好几期都讲不完 ， 呃 ， 然后还有一个就是讲现在 。 **重轻** [2:17:45] 那要做成一个系列的 。 **吴涛** [2:17:46] 然后还有一个就是讲现在音乐工程的 ，但这个大概也就音乐工程这个东西其实蛮简单的 ， 就是各位不是说这个工程本身简单 ，而是说大家想要了解这个东西的方式其实很简单 ， 就是各位去听仲清老师在机核上面他做过一系列的节目啊 ， 音乐通识 ，其中有一期是就是大概两年前的一期 ， 就是专门讲音乐工程的 ， 各位有兴趣的话完全可以去机核上面听 一下 。 **Rio** [2:18:13] 我天呐 ， 感觉感觉我我我是我是冲进内核恐慌的场子来踢馆的一个莫名其妙的一个什么什么 。 **吴涛** [2:18:22] 不不不 ， 这完全没有莫名其妙 ， 我觉得这个这是一这是在一滩死水里面激起的波澜 ， 这是非常好的一件事情 ， 这意味着我们的节目还有救 。 **Rio** [2:18:30] 哈哈哈 ， 笑死我了 。 **重轻** [2:18:33] 好的 ， 您刚刚收听到的节目是内核恐慌 ， 一档尽量贴近计算机科技主题的娱乐 Podcast， 我们号称硬核 ，但是也没有什么干货 ， 想听的人听 ，不想听的人别听 ， 我们的网址是 pian.icu， 您可以在网站上找到订阅我们节目的方法 ，以及联络我们节目的方式 ， 如果您期待我们更频繁的更新节目 ， 欢迎您到 @ 发电我们捐款 ， 详情可以在我们网站上找到 ， 先发 电后催更 ， 文明催更从我做起啊 ， 从你做起 。 如果您觉得意犹未尽 ，也欢迎您去收听 Rio 和黄海主持的节目 《 风头轩 》，Rio 和任宁主持的节目 《 提前怀旧 》 啊 ， 当然还有我们仲清老师主持的 《 不在场 》， 对 ， 我非常推荐 ， 就是吐血推荐的这种推荐啊 ，以及基本不由我主持的 《 自弹自唱 》 啊 ， 这期节目就到这了 ， 感谢大家的收听 。 拜拜 。 **Rio** [2:19:22] 拜拜 。 --- 本节目库由 PodHood（https://podhood.com）提供支持——播客网站平台。