音訊變調器會以半音為單位，將錄製聲音的感知音高向上或向下調整，而 Audio Pitch Changer 能在你的瀏覽器中本機完成這項作業，一次處理一個檔案，範圍從 -12 半音（下降一個八度）到 +12 半音（上升一個八度），接著匯出全新的未壓縮 PCM16 WAV。由於此工具採用播放速率重取樣而非相位聲碼器，音高與時長會同步變動：升高音高會使音訊變短、播放更快，降低音高則會使其變長、播放更慢。這項單一事實決定了此工具擅長之處、不足之處，以及你該如何預先規劃使用方式。本指南的其餘部分將帶你了解相關術語、計算方式、Audio Pitch Changer 頁面中的精確操作步驟，以及在你按下「render」之前需要留意的限制。所有處理都在你的瀏覽器分頁內本機進行；解碼、重取樣與 WAV 編碼都在你已有的檔案上於本機執行。

audio pitch changer for beginners
音訊變調器入門：在本機調整音高

音訊變調器實際上做了什麼

變調意指在不必重新錄製的情況下，提升或降低聲音的感知頻率。人聲、樂器、完整混音，甚至口白音訊都能進行變調。半音是十二平均律中使用的最小音程——也就是鋼琴鍵盤所依循的相同音階——而一個八度由十二個堆疊的半音組成。每個半音會將頻率以 2^(1/12) 的倍率提升或降低，換算下來大約是 1.0595。麥基爾大學（McGill University）關於 MIDI 與頻率轉換的課程教材確認了同一套機制，並指出每個半音還可進一步細分為一百個 cent（音分）。

以整數半音進行變調是入門工具的預設方式，因為依其設計，這種做法恰好落在具備音樂意義的音程上。+1 是上升一個小二度，+5 是上升完全四度，+7 是上升完全五度，+12 是上升完整八度，依此類推。選擇整數值通常比任意小數位移聽起來更悅耳，這也是 Audio Pitch Changer 採用整數輸入欄位而非連續滑桿的原因。

為何半音對應到一個播放速率數值

半音與播放速率之間的關係由一個簡短的公式表示：rate = 2^(n/12)，其中 n 是你所選擇的整數半音位移量。MDN 參考文件中關于 AudioBufferSourceNode.playbackRate 的說明指出，該值代表原始取樣速率的比例：低於 1 時音訊變慢，高於 1 時音訊變快，任何非 1 的數值皆會觸發重取樣。在底層，W3C Web Audio 規範將 detune cent 與 2^(detune/1200) 的倍率相連結；十二個半音等於一千兩百 cent，可化簡為相同的 2^(n/12)。

這個單一數值驅動著此工具的所有行為。一組對照點涵蓋了整個範圍且不出現意外：0 = 1× 且音訊不變，+12 = 2× 速率且時長約為原本的一半，-12 = 0.5× 速率且時長約為原本的兩倍，中間的半音則沿著曲線填補。透過一個實際計算的範例可清楚展示整個推導鏈：

  • 選擇 +5 半音，因此 n = 5。
  • Rate = 2^(5/12) ≈ 1.3348。
  • 長度為 3:00（180 秒）的來源音訊會變為約 180 / 1.3348 ≈ 134.85 秒，亦即約 2:14.9。

請直接使用工具本身來取得你檔案的精確數值，因為解碼後的幀數在配置時已向上取整，不見得會與離線計算結果完全相符。

音高與時長之間的取捨說明

這是多數初學者最常卡關的地方，因此值得單獨說明。播放速率重取樣器將速度與音高視為同一個參數：較快的速率會把所有頻率向上推升，較慢的速率則會把所有頻率向下拉低。如果你需要在保持節拍格線或語句時長不變的情況下改變音高，那是時間拉伸（time-stretching）的問題，而非變調的問題，適合的工具類別是相位聲碼器、SOLA 類引擎，或其他專門的時間拉伸演算法。Audio Pitch Changer 並未嘗試解決此問題，也無法保留 tempo、語音節奏、節拍位置或原始時長。

不過，對於許多初學者的實際任務來說，這項取捨是誠實合理的。透過降低音高來放慢歌曲，有助於聽寫練習，特別是當原調超出你在吉他或鋼琴上舒適演奏的音域時。透過升高音高來加快歌曲，則有助於你學習快速樂段，或跟上錄音的節奏。花栗鼠聲與食人妖聲等變聲效果之所以能成立，正是因為時長與音高會同步變動、成為單一參數。聲音設計通常也希望兩者同步移動，而這正是此重取樣器所產生的行為。

如何使用 Audio Pitch Changer 進行變調

整個流程簡短明確，且完全在你目前的瀏覽器分頁中執行。

  1. 從你的裝置中選擇一個音訊檔案。常見且瀏覽器可解碼的類型——MP3、WAV、M4A、AAC、Ogg、WebM 與 FLAC——皆可接受，但編解碼器支援終究取決於你目前使用的瀏覽器，因此即使副檔名被識別，也無法保證每個特殊的編解碼器設定檔皆能順利解碼。
  2. 確認檔案編碼後小於 50 MiB，且解碼後的音訊符合下表所列的限制。
  3. 從 -12 到 +12 半音中選擇一個整數位移量。+12 為上升一個八度，-12 為下降一個八度，0 則保持原始音高。
  4. 觸發本機渲染。瀏覽器會透過一次離線處理流程，以來源取樣速率對整個檔案執行重取樣。
  5. 查看渲染完成後介面上所顯示的時長變化。其方向與幅度皆遵循上述公式。
  6. 下載結果。無論你上傳的是什麼格式，輸出檔案永遠是全新的未壓縮 PCM16 RIFF/WAVE，且此頁面刻意不在工具內播放結果——請在本機音訊播放器中開啟 WAV 檔以聆聽成果。

可上傳的內容與可下載的內容

此工具會在開始任何耗資源的渲染之前先檢查限制，因此盡早失敗能節省時間。下表所列為確切公開的門檻，而非估計值。

項目 限制
編碼輸入大小 最高 50 MiB
解碼輸入預算 最高 3,000 萬個聲道樣本
解碼輸出預算 最高 3,000 萬個聲道樣本（獨立檢查）
解碼時長 最高 5 分鐘
聲道數 最高 8
取樣速率 8,000 Hz 至 192,000 Hz
變調範圍 -12 至 +12 整數半音
輸出容器 PCM16 RIFF/WAVE，交錯，小端序

有兩項預算需要留意：輸入樣本預算與輸出樣本預算。降低音高會增加輸出幀數，因此一個向上升八度尚可容納的音檔，在向下降八度時可能會失敗；失敗訊息會指出所要求的變調已超出預算，且內容並未遭到截斷。若發生此情況，請嘗試較小的位移量或較短的片段。

下載的 WAV 檔案預期內容

下載的檔案為新編碼而成，並非對來源檔案的重新封裝。輸出為未壓縮、交錯、小端序的 PCM16 音訊，封裝於 RIFF/WAVE 容器內，浮點樣本在轉換前會先裁剪至合法的 -1 到 +1 區間。原始 MP3/AAC/FLAC 的壓縮品質、位元率、ID3 或 Vorbis 標籤、封面圖片、章節、cue 點、循環中繼資料，以及任何其他容器中繼資料皆不會保留，這是刻意為之的設計。

重取樣品質取決於瀏覽器自身的重取樣器，且屬於實作定義。對明亮素材（如鈸、hi-hat、帶齒擦音的人聲）進行大幅度的向上變調，可能會暴露出原本較不明顯的混疊或編解碼器失真。這對練習用的音軌、音效、輕鬆短劇與粗略剪輯來說已足夠，但它並非透明的母帶處理流程。當你需要保留原始 tempo 的同時進行變調時，請改用專門的時間拉伸工作流程。

適合初學者的實用入門專案

以下是一些時長取捨反而是特色而非缺陷的初學者專案簡短清單：

  • 將歌曲轉調至舒適的調性以利聽寫。將流行或搖滾錄音下移 -3 至 -5 半音，通常會讓它們在吉他或鋼琴上更易於演奏。
  • 為短劇製作花栗鼠聲或食人妖聲的對白。+12 聽起來像是上升完整一個八度；-12 則是下降完整一個八度。
  • 將兩個短樣本對齊至同一個調性以製作混搭作品。整數半音的位移在短片段中已足夠接近，能順暢融合。
  • 加快外語錄音以釐清語句內容，再放慢回來確認細節。
  • 在決定重新錄製之前，先預覽變調效果。快速的本機渲染比重建整個錄音 session 更快。

此方法的不足之處

在某些情境下，播放速率法並非合適的工具，值得事先了解：

  • 需要對多軌 session 進行節拍精準的變調，且必須維持底層節拍格線。請改用相位聲碼器或其他時間拉伸演算法。
  • 素材時長達到或超過 5 分鐘上限；解碼限制會在任何變調套用之前擋下渲染。
  • 檔案中內嵌的中繼資料很重要時。輸出是刻意設計為乾淨、未帶標籤的 PCM16 WAV。
  • 對明亮的鈸、hi-hat 或帶齒擦音的人聲進行非常高的向上變調時，瀏覽器重取樣的失真將主導聽感。

遇到這些情況時，請從品質更高的來源檔案著手、縮短片段長度、採用較小的半音位移量，或將結果串接到另一個獨立的時間拉伸工作流程中處理。若你想要更深入的教學，且特別聚焦於本機優先（local-first）的處理流程，請參閱 Change Audio Pitch in Browser Locally。想了解從檔案讀取、解碼、重取樣到 WAV 編碼的每一步細節時，整個過程皆在你目前的分頁內執行，結果自下載完成的瞬間起便存放在你的裝置上。

延伸閱讀：Change Audio Speed on YouTube and Save the WAV Locally。