音訊變調器實際的作用
比較使用音訊變調器的各種方法時，主要取決於四件事:音訊在哪裡處理、哪種演算法改變音高、持續時間或速度是否保留，以及最後取得的檔案格式。變調器是指任何能依照您指定的量(幾乎都是以半音為單位——也就是鋼琴鍵盤上相鄰兩個音之間相同的 12 級音程)來提高或降低音訊檔案感知音高的工具。McGill 大學關於 MIDI 與頻率的課程資料指出，十二音等平均律在一個八度音中放入 12 個等分的半音，每個半音包含 100 分音，頻率比為 2^(1/12)。以實際方式來說，+1 半音的位移會將檔案中每個頻率乘上大約 1.0595,+12 半音的位移會將整個檔案提高整整一個八度(頻率比為 2 倍),-12 半音的位移則會將整個檔案降低整整一個八度(頻率比為 0.5 倍)。變調器並不會創造或刪除音符;它只是按比例調整錄音中既有內容的頻率。
圍繞著這個頻率調整所發生的一切，則取決於演算法。要比較的兩個主要大類是播放速率重取樣與時間延展。重取樣只是以不同的取樣率播放音訊，因此音高與持續時間會一起變動。時間延展演算法——相位聲碼器、PSOLA 類處理器，以及類似的 DSP——則嘗試在固定持續時間下改變音高，或在固定音高下改變持續時間。兩者沒有絕對的優劣;每一種都是不同工作的正確工具，這也正是值得進行並排比較的原因。
您可以比較的主要方法
當人們談論使用音訊變調器的「方法」時，通常指的是以下這四個類別之一。
- 本機瀏覽器工具。一個在您目前的分頁中解碼單一音訊檔案、套用位移，並提供新音訊檔案下載的網頁。解碼、處理與編碼全部都在瀏覽器內完成——檔案不會上傳到遠端服務。
- DAW 式工作流程。桌面軟體，例如 Audacity、GarageBand、Logic Pro、Reaper 或 After Effects。每個軟體都提供基於效果器的音高位移、基於剪輯的音高位移，或專用的時間延展模式。整個編輯過程中，音訊都保留在您的電腦上。
- 雲端上傳服務。一種網頁應用程式，會將檔案傳送到伺服器，進行遠端處理，再將結果送回。通常圍繞著 AI 聲音轉換而非純粹的音高位移進行行銷，並且幾乎總是需要可用的上傳連線。
- 行動應用程式與系統播放器。手機應用程式與內建媒體播放器，提供「變速」或「變調」控制項。行為差異極大:有些採用重取樣，有些使用時間延展，許多則對您播放的任何內容套用固定速率的位移。
這些類別在某些地方會重疊——桌面 DAW 僅在本機運作，雲端服務是遠端運作，瀏覽器工具則是本機且短暫的——但類別標籤能釐清第一個重要問題:音訊在被修改的過程中實際跑到哪裡去了。
各方法在關鍵權衡上的比較
將各種方法並排比較，能將「哪個最好」轉化為一組有結構的問題。下方表格依處理位置、持續時間的變化、您最終取得的典型輸出，以及在工作過程中是否需要網際網路連線，將這四個類別分組呈現。
| 方法 | 處理位置 | 持續時間行為 | 典型輸出 | 是否需要網際網路 |
|---|---|---|---|---|
| 本機瀏覽器變調器 | 您的裝置，目前的分頁 | 播放速率重取樣——音高與持續時間一起變動 | 新產生的未壓縮 PCM16 WAV 下載檔案 | 僅載入網頁時需要 |
| 基於 DAW 的音高效果 | 您的裝置 | 取決於效果——重取樣或時間延展 | 專案檔或算繪匯出 | 僅下載外掛時需要 |
| 雲端上傳服務 | 遠端伺服器 | 依情況而異;AI 聲音工具通常保留語調節奏 | 回傳的音訊下載檔案 | 是，上傳與取得結果時都需要 |
| 行動應用程式或系統播放器 | 您的裝置 | 通常為播放速率重取樣 | 應用程式專屬的檔案格式 | 很少 |
當比較的重點落在音訊數學時，第二張表格就能派上用場。本機瀏覽器方法的規格採用十二音等平均律:位移 n 個半音對應的播放速率為 2^(n/12)。W3C Web Audio 規格在 AudioBufferSourceNode 播放演算法中定義了對應的分音關係，其中 detuning 貢獻了一個 2^(detune/1200) 的因子，而 MDN 將 playbackRate 記錄為原始取樣率的比例，只要它不等於 1 就會觸發重取樣。然而，特定檔案的精確持續時間來自工具本身——下表僅陳述官方定義的關係。
| 半音位移 | 播放速率 (2^(n/12)) | 大致持續時間倍率 | 音樂音程 |
|---|---|---|---|
| -12 | 0.5 | ~2.0 倍(更長) | 下降一個八度 |
| -7 | ~0.667 | ~1.5 倍(更長) | 下降完全五度 |
| 0 | 1.0 | 1.0 倍(不變) | 原始 |
| +5 | ~1.335 | ~0.75 倍(更短) | 上升完全四度 |
| +7 | ~1.498 | ~0.67 倍(更短) | 上升完全五度 |
| +12 | 2.0 | ~0.5 倍(更短) | 上升一個八度 |
使用音訊變調器在本機變調檔案
比較中最簡單的一端就是本機瀏覽器執行，而音訊變調器頁面就能在一個分頁中完成所有工作:解碼單一檔案、以整數半音進行位移，並回傳新的 WAV。下方的工作流程遵循該工具已驗證的操作步驟。
- 在目前的桌面瀏覽器中開啟音訊變調器頁面，選擇一個瀏覽器可解碼、且不超過 50 MiB 的音訊檔案。可辨識的副檔名包括 MP3、WAV、M4A、AAC、Ogg、WebM 與 FLAC;可辨識的副檔名並不保證所有編解碼器設定檔都能解碼，因此不常見的檔案可能會被瀏覽器拒絕。
- 設定一個介於 -12 與 +12 半音之間的整數音高位移，並記住這個方法也會改變持續時間。+12 半音的位移會將音訊升高一個八度，並將長度縮短為大約一半;-12 半音的位移則會將音訊降低一個八度，並將長度延長為大約兩倍。
- 建立完整的本機算繪，讀取工具回報的持續時間變化，然後下載產生的 PCM16 WAV。檔案以未壓縮的交錯式 16 位元 PCM 重新編碼，封裝於 RIFF/WAVE 容器中——原始的壓縮、標籤、封面、章節、cue 點以及其他容器中繼資料不會保留，且 PCM16 量化可能與解碼後的來源不同。
如果您想避開其他使用者常犯的錯誤，有關避開音訊變調器常見錯誤的指南會逐步說明輸入限制、解碼預算規則，以及在下載最終檔案前該檢查哪些項目。
一個簡短的演算範例:+5 半音
由於規格固定了數學公式，因此可以安心地在頁面上演算一個範例，展示速率、持續時間倍率與音樂音程如何對應。公式為播放速率 = 2^(n/12)，其中 n 為整數半音位移。
針對 n = 5 半音的位移，播放速率為 2^(5/12)。逐步演算:5 ÷ 12 ≈ 0.41667，然後將 2 提升到該次方。使用自然對數，2^x = e^(x · ln 2)，因此 0.41667 × 0.69315 ≈ 0.28882，而 e^0.28882 ≈ 1.3348。所以播放速率大約是 1.335。由於持續時間與播放速率成反比，算繪後的檔案長度約為原始長度的 1 ÷ 1.335 ≈ 0.749 倍——大約是原始長度的四分之三。上升五個半音是完全四度，這就是為什麼速率比較接近 4/3 而不是 2。相同的模式適用於表中每個整數位移;任何特定檔案實際產生的精確持續時間，則是工具在算繪後回傳的值。
本機瀏覽器方法適用——與不適用——的情境
當音訊是創作實驗、快速的練習曲、音響設計疊加層，或是稍微改變速度也可接受的粗略編輯素材時，本機瀏覽器方法的表現相當不錯。不需要安裝、不需要帳號、也不需要上傳——解碼、播放速率重取樣與 WAV 編碼都在同一個分頁中執行。這使它非常適合「位移、聆聽、繼續下一步」的工作流程，也是可用來檢查 DAW 行為的有用基準。MDN 關於 playbackRate 的文件也說明了同樣的重點:小於 1 的值會讓音訊變慢，大於 1 的值會讓音訊加快，而非 1 的速率會觸發重取樣——這是個實用的創作基礎工具，但無法取代時間延展。
當製作必須固定持續時間、鎖定特定速度、保留語音節奏，或是對齊到精確的剪輯長度時，這個方法就不適合。該工具明確不承諾節奏保留、拍點對齊或原始持續時間;只要有上述任何一項需求，就應改用相位聲碼器或其他時間延展工作流程。以上傳為基礎的 AI 聲音服務有時會以犧牲音質或成本為代價來行銷持續時間保留;基於這個原因，它們屬於比較表中不同的格子。
以上就比較的核心內容:當便利性、隱私與快速的聽覺結果最重要時，選擇本機瀏覽器變調器;當專案已經在 DAW 中，並且持續時間必須保持鎖定時，選擇基於 DAW 的時間延展效果;當工作需要的是 AI 聲音變換而非純粹的音高變換時，選擇雲端服務。表格中的四個欄位——位置、持續時間行為、輸出、網際網路需求——是決策前需要權衡的四條線索，而其下方的半音對速率表格，則是用來檢查任何給定位移實際會產生什麼結果的地方。
相關閱讀:使用音訊變速器時重現相同的結果。