混音指南
AI 预设混音完全指南：从头到尾讲透
Seimix 团队 · 约 12 分钟
录了一段人声，戴耳机听着还行，可就是差点意思，怎么都到不了那种"电台里放的"感觉。那份明亮、那种坐得稳、那股专业味儿，到底是从哪来的？答案很大一部分藏在混音和母带这一步。这些年出现了一条把这件事大大简化的路子：现成的 AI 预设。你只上传一个 stem，选一个预设，几秒钟——而不是几分钟——就能拿到处理好的结果。
这篇指南不打算用营销话术把你绕晕，而是把事情讲清楚：预设到底做了什么、好预设和差预设差在哪、一个"艺人味"由哪些技术环节拼起来，以及只上传一个 stem、选个预设，相比手动混音在哪儿占便宜、在哪儿吃亏。我们会带着具体的频率、压缩比和先后顺序往下走；目的是让你读完既能做出更明白的判断，也能知道什么时候一个预设几秒钟就能把活儿干完。
预设是什么？在混音里到底干什么
预设，其实就是一条事先调好的处理链的存档。把 EQ（均衡器）、压缩器、de-esser、饱和、混响、限制器这些工具都设成特定的参数，再打包成一个整体保存下来，这就是预设。它把混音师反复手动做过无数遍的那套操作固化成一个模板；你把它套到自己的原始声音上，就等于在几秒钟内把混音师走过的路重走了一遍。
一条典型的人声预设，里面这些步骤是一环扣一环跑下来的：先清理低频、再做音色平衡（EQ）、然后控制动态（压缩）、接着软化高频的刺耳感（de-esser）、加上纵深和空间感（混响/delay），最后统一电平。也就是说，预设不是单个效果器，而是一套有先后顺序的制作逻辑。有一点很关键：预设不是魔法按钮，而是一个扎实的起点。源素材好，出来的结果才会惊艳。
- 预设是起点：源素材干净，效果就出彩；源素材糟糕，能救回来的就有限。
- 人声、808/贝斯、鼓和乐器的预设逻辑各不相同，别拿一个套到另一个上。
- 每个预设都带着自己的风格：lo-fi 说唱和干净的流行，不会用同一条链。
好预设在幕后到底做了什么
一条好的人声预设，里面的处理链大致是按这个顺序走的，而且顺序真的很重要。先清理：用 high-pass（高通/低切）把 80-100 Hz 以下切掉，因为人声的主体大多在 100-250 Hz 之间，80 Hz 以下通常是房间噪声和喷麦的低频爆破。接着处理"浑浊"（mud）：能量往往堆在 200-400 Hz 附近，在这里做一个 2-4 dB 的宽切能让声音变清晰。要是有那种闷在盒子里、带鼻音的感觉，就在 500-800 Hz 做一个窄切来解决。
再往后是加性格（染色）的环节：在 2-5 kHz 稍微提一点，能把咬字推到前面、提高清晰度；在 10-14 kHz 用一个 shelf 给声音加上"空气感"和通透。de-esser 专门抓 'S、Sh、Ch' 这类齿音的刺耳，一般作用在 5-9 kHz，而且只在那个音出现的瞬间压一下，不是一直压。压缩负责收拢动态：3:1 到 4:1 的压缩比、适中的 attack（10-30 ms，留住 transient 的那口气）、40-120 ms 的 release，配上 3-6 dB 的 gain reduction，出来的结果比较均衡。最后是纵深和暖度：一段短的 plate 混响（20-40 ms pre-delay，1-1.5 秒 decay）加上跟着速度走的 1/8 delay 营造空间；再来一点轻微饱和，靠加谐波让声音又暖、听感上又"更响"。
- 顺序很重要：先清理（high-pass、切浑浊），再染色（提升、空气感），最后才加空间和电平。
- de-esser 不是一直压，而是只在齿音那几个字上触发；压过头人声会变得含糊漏气。
- 压缩给到 3-6 dB gain reduction 对大多数人声就够了；再多声音会被压扁、失去活力。
风格和"艺人味"到底由什么构成
一种风格、或者说所谓的"艺人味"，翻成技术其实就是三样东西的特定组合：音色平衡（EQ 曲线的形状）、饱和量（加多少饱和/模拟暖度），还有空间（用哪种混响、多长的 decay、什么样的 delay）。现代的 trap 人声通常是干、往前顶、带一点自动音准、再配一段短 slap delay；而老派的 soul 人声则靠 plate 混响、柔和的高频和明显的模拟饱和在"呼吸"。同一段人声，套两个不同预设，能像是属于两个完全不同的流派。
这里得说句实在话："像 X 歌手那样"的预设，并不会去复制那个人的嗓子或声带。它做的是，把那种制作美学里量出来的音色平衡和效果比例，套到你的声音上。也就是说，它模仿的不是这个人，而是那些录音的制作风格。你的声音还是你的声音，只是被那种流派的制作语言重新"穿了件衣服"。
- 决定"味道"的三个杠杆：音色平衡、饱和量、空间（混响/delay）。
- 想搞懂一个流派预设的性格，就拿同一段人声套两个截然相反的预设，用耳朵去量差别。
- "像某歌手"的预设不会复制他的嗓音，只是把那种制作美学套到你的声音上。
上传一个 stem、选个预设：完整工作流
最高效的流程是这样：把你的人声（或者你想处理的那个 stem）导出成干声，也就是不带效果。上面没有混响、delay 或者重压缩，预设才能在一张干净的底子上搭起自己的处理链；你要是上传一个本身就带混响的 stem，就会变成双重混响，声音一下子糊掉。文件给 WAV、24-bit，因为 MP3 已经是压缩过的，处理的余量（天花板）很低。
录音阶段，把峰值（peak）留在 -6 dBFS 左右；一个顶到 0、已经 clip 的录音，用任何预设都救不回来，因为失真已经永久地烙进信号里了。上传 stem，挑一个看着合适的预设，听一听，需要的话再试第二个、第三个。这个循环比手动混音快得离谱：几分钟内你就能把好几个完整处理过的版本摆在一起对比。
- 上传干声/原始 stem：别把混响、delay 和重效果烤进去；autotune 的取舍单独决定。
- 录音时峰值留在 -6 dBFS 左右；clip 过的信号是不可逆的损伤。
- 优先 WAV/24-bit；MP3 也能跑，但处理余量和天花板都低。
- 试 2-3 个预设，选那个用最少功夫就给出最好结果的；试错成本极低。
手动混音还是现成预设？一次诚实的对比
手动混音给你完全的控制权：每首歌都能针对它自己的问题对症下药，每个决定都能讲出理由。代价是时间、一双训练过的耳朵和经验；手动把一个人声混好可能要好几个小时，而这门手艺是靠好几年练出来的。预设则是又稳又快：几秒钟而不是几小时，你就摸到了一个专业的底子，对大多数需求来说，它能帮你走完全程的百分之 80 到 90。
诚实的边界在这儿：预设没法认识你的源素材、再针对它做出专属的创意决定。碰上特别脏、特别特殊或者非常规的录音，一个有经验的混音师亲手上手，依然更强。最稳妥的做法是把两者结合起来：用预设起步，先拿到结果的百分之 90，真有需要再在上面做精细微调，或者请人做专业抛光。对于 demo、社交媒体和快速发布，预设已经绰绰有余了。
- 看重时间和一致性就用预设；看重艺术层面的精细控制就手动混音。
- Demo、短视频、社交媒体和快速发布，预设完全够用。
- 专辑主打单曲，先拿预设当底子，之后想抛光再找混音师。
用预设时最常犯的几个错
最大的错就是源素材差。房间混响、喷麦爆破（p/b 音）、气声和背景底噪，预设是修不好的；恰恰相反，压缩和提升还会把这些问题放大。预设能给好声音抛光，救不了坏声音。第二个常见错误是 gain staging 没做好：输入给得太大，处理链在最前头就被压爆了；给得太小，噪声底又被顶到前面来。
第三个坑是 over-processing，也就是效果一层叠一层地往上堆。预设本身已经给了你一条均衡的处理链；再往上压一大堆额外效果，声音会变累、自然感也被破坏。还有一个是流派不搭：给干净的流行人声套一个 lo-fi 预设，或者把一个鼓 stem 喂进人声预设，都给不出你想要的结果。让对的预设遇上干净的源素材，比最贵的器材更能拉开差距。
- 录音时用防喷罩，离麦克风 15-20 cm；从源头减少喷麦和口水音。
- 尽量在安静、不反射的空间录（地毯、窗帘、塞满的书架）；源素材决定了上限。
- 预设打开就好，别在上面乱堆效果；"更多"不等于"更好"。
- 按 stem 的类型选预设；别拿人声预设套乐器，也别拿乐器预设套人声。
手机外放和单声道下的真实情况
你的听众里，大部分人不会用录音室监听音箱听你的歌，而是用手机外放或者一个蓝牙小音箱。手机外放大约 150-200 Hz 以下基本发不出声；所以一个埋在贝斯里的人声，在那儿就彻底消失了。好的预设会把人声稳在中频、大概 1-4 kHz 这一段，让它清晰、往前顶，这样哪怕在小音箱上，词也听得清。
另一个现实是单声道兼容性。过度的立体声展宽在耳机里听着挺唬人，可信号一叠成单声道就会引起相位抵消，声音变薄、变弱。大多数手机和单喇叭设备都是单声道播放。所以人声的主体在单声道下必须够结实；立体声宽度是点缀，真正重要的是清晰度。混完之后再拿手机外放和单只耳机听一遍，比录音室监听更诚实。
- 混完一定再用手机外放和单只耳机听一遍；这是最诚实的现实检验。
- 人声主体在单声道下要够结实；立体声宽度是点缀，清晰度才是根本。
- 过量 sub-bass 在手机上根本听不到，还会把小喇叭逼到极限；低频端留在平衡里。
AI 预设的边界（说点实在话）
一个预设，是把量过、试过的参数聪明地打包起来的东西；它不是魔法。它擅长的地方很明确：给你又快、又稳、又专业的底子，把你要花好几个小时对付的那些例行活儿压缩到几秒钟。它做不到的也一样明确：一个烂到底的录音它没法从零救活，你脑子里那点艺术意图它读不出来，特别非常规、特别实验性的声音它也没法从头设计。一句话，它改善源素材，但不会重造；垃圾进、垃圾出。
对发布目标也要现实点。流媒体平台一般会把响度归一化到 -14 LUFS 左右，true peak 留 -1 dBTP 是个安全的天花板。激进的曲风会偏好 -8/-9 LUFS 这种更响的电平，但代价是动态范围被压窄。好消息是：既然平台反正会归一化，你就没必要把限制器逼到极限。要是你追求非常个性、非常实验的声音，就把预设当底子，再在上面加你自己的那一笔。
- 预设改善源素材、不会重造；录音质量决定了最终的天花板。
- 发布目标是 -14 LUFS 就别硬逼限制器；平台归一化本来就会拉平电平。
- true peak 留 -1 dBTP 是安全线；顶到 0 有数字失真的风险。
- 想要非常实验的 sound，就拿预设做起点，艺术那一层由你自己加。
在 Seimix 里实操：300+ 预设，一个 stem 搞定
这篇指南里讲的每一步，你都可以手动搭出来，但费时间也吃经验。现成预设就是在这个节骨眼上派上用场的。Seimix 里有 300 多个预设：涵盖不同曲风、人声性格和制作美学。你上传自己的干声 stem，试几个对得上的预设，几秒钟就拿到处理好的结果。上面讲的清理、音色平衡、压缩、de-esser、空间和电平这一整条链，都在后台按量好的参数跑着。
逻辑很简单：与其对着菜单折腾好几个小时，不如直接拿一个专业的底子，不满意就换个曲风再试。想拿到最好的结果，就把 stem 干声、24-bit 上传，对比几个预设，选你耳朵觉得最对的那个。不管是出个 demo，还是给社交媒体赶一个快速版本；当你把工程的那部分从几小时压到几秒钟，你就能把时间留给真正重要的东西——音乐本身。
- 把 stem 干声、24-bit 上传；这样才能从预设里拿到最干净的结果。
- 试几个预设，选你耳朵觉得最对的那个；对比几乎零成本。
- 不满意就换个曲风或人声性格再试；每试一次，你的耳朵也在长。
常见问题
用预设混音，能取代专业混音师吗？
对大多数需求来说可以：它给你又快、又稳、又专业的底子，帮你搞定活儿的百分之 80 到 90。但碰上特别脏、特别特殊或非常规的录音，有经验的混音师亲手上手依然更强。最好的路子是先用预设起步，需要再在上面做精细微调。
用预设需要懂混音或乐理吗？
不需要。你只要守住几条基本规则就行：上传干声（不带效果）的 stem，录音录得干净、不 clip。懂频率和压缩比能让你的决定更有依据，但要从预设里受益，这并不是必需的。
该上传什么文件，MP3 行不行？
最理想的是 WAV、24-bit，因为它给处理留的余量最大。MP3 也能跑，但它本身已经压缩过，天花板低，失真可能在处理过程中被顶出来。stem 尽量给干声，也就是没加混响/delay 的状态。
autotune 会跟预设一起来吗？
有些预设可能内置自动音准，有些没有。最灵活的做法是上传原始人声、把音准的取舍单独决定；这样自然版和处理版你都能对比。按曲风来说，autotune 是一种审美选择，不是硬性要求。
同一个预设在每首歌上都好用吗？
不是。一个预设是针对特定曲风和人声性格设计的；换个声音或曲风，可能给不出同样的效果。最稳的做法是给你的 stem 试两三个预设，选最贴耳朵的那个。试错成本很低，对比总归划算。
混音和母带是一回事吗？
不是。混音是给每个单独的声音塑造音色、动态和空间；母带则是整首歌的最后抛光、整体音色平衡和发布电平。有些现成的处理链能一步给出接近两者的结果，但技术上它们是分开的两个阶段。
更多: 全部指南