混音指南
人声混音怎么做？rap 和 pop 的分步教程
Seimix 团队 · 约 12 分钟
一首歌里，听众第一时间抓住、也最容易挑刺的就是人声。不管 beat 做得多好，只要人声顶不出来、齿音刺耳，或者声音被埋在伴奏底下，整首歌就会显得很业余。好消息是：人声混音不是什么天赋异禀的魔法，而是一套有先后、有逻辑的流程。只要把正确的步骤按正确的顺序走一遍，哪怕是你在家里录的人声，也能拉到接近专业的水准。
这篇教程我会带你把一条人声从头到尾混完：从修音（tuning）开始，接着清理低频、切掉中频的浑浊、用压缩把人声推到前面、控制刺耳的 's' 齿音、加上明亮和空气感、用 reverb 和 delay 做出深度，最后用自动化把每一句都调平衡。rap 和 pop 人声我都会给出具体的频率和比例数值。目标不是让你死记硬背，而是让你真正明白自己在做什么。
开始混音前：干净的素材和正确的顺序
人声混音的一半，其实在你还没打开任何一个效果器之前就完成了。再好的插件也救不回一条烂录音。所以第一步是把素材本身修好：先确认录音没有爆掉（没有 clip），把录音电平的峰值控制在 -6 dB 左右，给后期处理留出足够的余量（headroom）。如果你录了好几条 take，就把每条里最好的句子拼在一起（comping），剪出一条干净完整的演唱。
接下来做粗清理：剪掉句子之间的静音，别把呼吸声全删掉、但压低 4-6 dB 让它柔和一些，有嘴部咂舌声（mouth click）和喷麦（pop）就清理掉。这个编辑阶段看着枯燥，却能让后面的混音轻松到难以想象。
顺序非常重要。整条链路大致这么走：修音 → 编辑/清理 → high-pass 和减法 EQ（切浑浊）→ 压缩 → de-esser → 加法 EQ（presence/air）→ 轻微饱和（saturation）→ reverb 和 delay → 自动化。这个顺序不是随便排的：先把声音清理干净、控制住，再去加颜色和深度。
- 录音峰值控制在 -6 dB 左右，留出 headroom。
- 做 comping：把多条 take 里最好的句子拼起来。
- 别删呼吸声，压低 4-6 dB 驯服它，别丢了自然感。
- 开效果器之前，先清掉 clip、喷麦和咂舌声。
音准与修音（Tuning）：把音高校准
把修音放在整条链路的最前面，因为后面的每一步（尤其是压缩）都会把现有的声音原样放大；你要是不先把跑调的音修好，压缩只会把跑调也一起顶出来。修音有两种做法：实时的自动校正，或者一个音一个音地手动修。手动更自然，但费时间；自动更快，还能根据风格带来特定的味道。
在 rap 和 trap 人声里，很多时候用一个反应快、抓得狠（retune speed 短）的 autotune，就能做出那种标志性的“顺滑”效果。在旋律 rap 和现代 pop 里，这也是一种风格选择。而在传统 pop 和 R&B 里，目标应该是不让人听出效果、只把跑调修掉；把 retune 速度调慢一点，好让颤音（vibrato）和自然的滑音保留下来。
别忘了选对调（key）和音阶。选错 key，修音引擎会把音符往错误的音高上拉，人声反而更跑。如果你不知道歌的调性，就仔细听伴奏，或者从一个参考里找出来。
- 修音永远放在压缩之前、链路的最前端。
- rap/trap 用快 retune，自然 pop 用慢 retune。
- 输对 key；key 错了修音会彻底崩掉。
- 过度修音会变机器人味；不想要效果就修轻一点。
High-pass 与低频清理
人声里真正有用的信息，一般从 80-100 Hz 以上才开始。这以下的区域大多是房间噪声、麦架震动、空调的嗡嗡声和喷麦（plosive）的能量。开一个 high-pass（low-cut）滤波器把人声清干净：男声 80-100 Hz、女声 100-120 Hz 是不错的起点。
用耳朵调滤波器，别用眼睛。慢慢往上推；当你听到人声的“身体”变薄、“胸腔”感消失的那一刻，就往回退一点。目标是去掉多余的低频，而不是把人声的厚度也弄没了。rap 里通常希望人声贴得很近、很清晰，所以切得稍微高一点（100-120 Hz）很常见。
这一步在小音箱和手机上几乎听不出来，但对整个混音的影响大得惊人：给 kick 和 bass 腾出空间，减少整首歌的浑浊，还能避免压缩器去和多余的低频能量较劲。
- 男声 80-100 Hz、女声 100-120 Hz 起做 low-cut。
- 用耳朵调滤波器；身体变薄了就往回退一点。
- rap 为了清晰可以切得再高一点。
- 喷麦（plosive）会随着 high-pass 一起明显减轻。
切掉浑浊：200-500 Hz 与中频区
如果人声听起来“发闷”“像隔着纸板说话”，或者“很鼻音”，罪魁祸首通常在中低频。200-400 Hz 这一段给人声身体感，但过量就会产生浑浊（mud）。用一个较窄的 EQ 频段（Q 中等）在这一带扫一扫，找到最难受的那个点，切掉 2-4 dB。别切过头；免得人声变得单薄没底气。
500-800 Hz 附近是“箱声”（boxy）的来源；如果你在声学环境差的地方录音，在这里稍微切一点（1-3 dB）能把声音打开。1-4 kHz 之间则是刺耳和尖锐（harshness）的区域；有些人声在 2-3 kHz 会有一个很凶的共振，也可以用一个窄频段压掉几个 dB。
减法 EQ 的黄金法则：先减，再加。把难受的频率清理掉之后，人声本身就会清晰、专业很多；加明亮是接下来几步的事。
- 200-400 Hz 把浑浊切掉 2-4 dB，但别把身体感弄没。
- 箱声就在 500-800 Hz 试着切 1-3 dB。
- 发刺就在 2-3 kHz 用窄频段压掉几个 dB。
- 先减后加：干净的底子上加明亮更服帖。
压缩：把人声推到前面
压缩是把人声顶在 beat 前面的关键。一条生的演唱里，最大声和最小声的句子之间落差很大；所以有些字会消失，有些字在喊。压缩器把这个落差压小，让人声稳定地、贴在前面。起步可以试 3:1 的比例、中等的 attack（10-30 ms）和一个跟着音乐走的 release（60-120 ms）。增益衰减（gain reduction）表上，最响的句子峰值大概在 3-6 dB 上下摆动。
attack 时间决定性格：attack 压得太短，会把人声开头的瞬态（transient）削平、变得死板；留开一点，字头的力度就能保留，人声更“活”。rap 和 trap 里想要更狠的控制，这时把比例提到 4:1 甚至 6:1、attack 收短一点，能把人声牢牢贴在胸口上。
与其用一个压缩器压得死死的，不如用串联压缩（两个压缩器各自轻轻地前后接着来）：每个只压 2-3 dB，总的控制量一样，但结果更透气、更自然。想让人声更靠前、更密，就用并联（New York）压缩：把一份压得很狠的拷贝，轻轻混到干净信号底下。
- 起步：3:1 比例、10-30 ms attack、60-120 ms release。
- 增益衰减在最响的句子里摆动 3-6 dB。
- rap/trap 用 4:1-6:1 控制更狠。
- 别用一个压狠，试试串联或并联压缩。
De-esser：驯服刺耳的齿音
随着你加压缩和加明亮，'s'、'sh'、'ch' 这类高频摩擦音（sibilance，齿音）会难受地被顶出来；扎耳朵，尤其在耳机和手机上特别刺。de-esser 就是干这个的：只在这些齿音出现的那一刻、压下它们所在的频率区域，其余时间对人声不碰。
de-esser 的频率对准 6-9 kHz 这一带。女声和音色偏薄的声音，齿音一般更靠上（7-9 kHz）；厚实的男声则稍微靠下（5-7 kHz）。要找准点，就用 de-esser 的“试听/solo”模式：只听被压下去的那部分，瞄准你听到最多 'ssss' 的那个频率。
量别下猛了。目标不是把 's' 消掉，而是削掉它的尖；过度 de-essing 会让人声变得大舌头、像“喝醉了”一样说话。一般 3-6 dB 的衰减就够了。把 de-esser 放在压缩和明亮 EQ 之后，因为真正的齿音问题正是这些处理暴露出来的。
- de-esser 对准 6-9 kHz；薄声往上、厚声往下。
- 用 solo/试听模式找出 'ssss' 最重的频率。
- 3-6 dB 衰减就够；别过头，人声会大舌头。
- 顺序：压缩和 air EQ 之后再 de-ess。
Presence 与 Air：清晰度与光泽
把人声清理干净、控制住之后，接下来就是让它发光。有两个区域特别重要：presence（临场感）和 air（空气感）。3-5 kHz 是 presence 区；在这里做一个 2-4 dB 的宽频提升，能把人声推到 beat 前面，让字更清楚、更好懂。rap 里歌词能不能听清很关键，所以这一带尤其宝贵。
10-16 kHz 则是“air”区。用一个宽 shelf 在这里稍微提一点（1-3 dB），会给人声那种昂贵、通透、“会呼吸”的感觉；在 pop 和 R&B 里能把人声擦得像玻璃一样亮。但要注意：加 air 也会把 sibilance 一起放大，所以得用 de-esser 来平衡。
加法 EQ 用宽频段（低 Q）；又窄又猛的提升会让声音变得假、变得硬。永远拿一首专业的参考歌来对比：你的人声跟它比，是发闷了，还是发尖了？这个判断别只靠耳朵凭空下，要靠对比来定。
- 清晰度在 3-5 kHz 用宽频段提 2-4 dB presence。
- 空气感在 10-16 kHz 用 shelf 加 1-3 dB。
- 加 air 时 sibilance 会变大；用 de-esser 平衡。
- 加法 EQ 用宽（低 Q）频段更自然。
用 Reverb 和 Delay 制造空间感
一条干（无效果）的人声，会死死贴在你脑袋正中间、又平又干。reverb 和 delay 把人声放进一个空间里，给它深度和维度。但最常见的业余错误，就是把这个加过头、让人声淹在一片雾里。原则是：你能感觉到效果，但不能把它的每一下都单独听出来。
reverb 先从短的、中等大小的空间（plate 或 room）试起；rap 里通常一个短而紧的 reverb，加上/或者一个 slap delay（80-160 ms 的单次回声），能让人声保持干爽又有维度。pop 里则常用更长、更宽的 reverb。想让 reverb 不糊，有两个招：给 reverb 的返送轨挂一个 high-pass（切掉 300 Hz 以下），别让浑浊堆积；再给 reverb 一个跟人声同步、贴着速度的 pre-delay 稍微延后一点，让主人声保持清晰。
delay 加的是深度和节奏。一个跟着速度走（比如 1/4 或者附点 1/8）的 delay，会在句尾留下漂亮的回声。delay 的返送也用 EQ 修薄（切掉低频和过高的高频），能把它和主人声分开、更干净。想让人声更“靠前”就把效果收小；想更“氛围”就开大。这完全是看风格的一种平衡。
- rap 里短 reverb + slap delay（80-160 ms）保持干爽。
- 给 reverb 返送挂 300 Hz high-pass，别让浑浊堆积。
- delay 跟速度同步（1/4 或附点 1/8），再用 EQ 修薄。
- 效果能感觉到，但别把它一下一下单独听出来。
自动化、手机检查与最后润色
压缩把电平粗调平了，但最后的细腻要靠自动化。一句一句地听人声：某个字还是会消失，就把那里的电平手动抬 1-2 dB；某句在喊，就压下去。副歌里把人声往前推一点，主歌里往后收。效果也能自动化：在一句的最后一个字上把 delay 打开、甩出一个“throw”回声，是很流行也很有效的一笔。
混音一定要在不同系统上检查。你的歌大部分会在手机、笔记本音箱和便宜耳机上被听到。小音箱几乎不出低频；在那里靠的是人声的身体感和清晰度。用手机音箱放一遍你的混音：人声会消失吗？高频扎耳朵吗？再切成单声道（mono）听一遍，因为很多系统是单声道播放，一部分立体声效果在那里会消失。
最后，拿参考对比，让耳朵休息。把一首你喜欢的专业歌拉到同样的音量，跟你的人声比一比：你的是更闷、更尖，还是更埋？耳朵 20 分钟就累了；歇一会儿，第二天用新鲜的耳朵再听一遍。上面这一整套步骤（修音、EQ、压缩、de-ess、presence、reverb、自动化）一项项手动去磨，会花掉好几个小时，还要靠经验。如果你想把这个过程加速，或者想一键达到专业参考的水准，可以把人声上传，交给 Seimix 自动混音；系统会用稳妥的数值替你把这些步骤走一遍，你再从结果出发做微调。
- 一句一句用自动化手动把电平调平 1-2 dB。
- 副歌把人声推前，主歌轻轻往后收。
- 一定要用手机音箱和单声道检查。
- 和参考歌等音量对比；让耳朵休息。
常见问题
混人声应该按什么顺序来？
整条链路大致是：先 pitch/tuning，然后编辑和清理，接着 high-pass 和切浑浊的减法 EQ，再是压缩、de-esser、加 presence/air 的 EQ、轻微饱和、reverb-delay，最后才是自动化。这个顺序能让你先把声音清理干净、控制住，再加颜色和深度。最关键的一条规则：tuning 和减法 EQ 一定要在压缩之前。
rap 人声和 pop 人声的混音有什么区别？
rap 里人声要干、要清晰、要贴在 beat 很前面；所以 high-pass 切得稍高（100-120 Hz），压缩更狠（4:1-6:1），reverb 短、常用 slap delay。为了让歌词听清，3-5 kHz 的 presence 非常宝贵。pop 里则更强调更长的 reverb、更多 air（10-16 kHz）、doubling 和氛围。基本步骤一样，只是用量和性格不同。
一定要用 autotune 吗？
不，不是必须的。autotune 有两个用途：作为风格效果（trap 和现代 pop 里那种顺滑的声音），或者只是用来修跑调。如果演唱本身就很干净，你完全可以不用，或者用得很轻。不想要效果，就把 retune 速度调慢，好让颤音和自然滑音保留下来。注意别选错 key，不然修音会把声音弄得更糟。
我的人声为什么在混音里被埋在 beat 底下？
最常见的三个原因：压缩不够（电平太起伏，有些字消失了）、200-500 Hz 的浑浊没切掉、以及 3-5 kHz 的 presence 太弱。解决办法：用 3:1 左右的压缩把电平稳住，把中低频的浑浊切掉几个 dB，再用宽频段把 presence 提 2-4 dB。之后一句一句用自动化，把消失的字手动抬起来。
de-esser 到底是干什么的，放在哪里？
de-esser 只在 's'、'sh'、'ch' 这类高频摩擦音（sibilance）出现的那一刻把它压下去，其余时间不碰人声。这样就能在不让人声变大舌头的前提下，去掉扎耳朵的尖锐。它对准 6-9 kHz 这一带，一般 3-6 dB 的衰减就够。在链路里它放在压缩和明亮/air EQ 之后，因为真正的齿音正是这些处理暴露出来的。
reverb 把我的人声弄糊了，该怎么办？
很可能是 reverb 太长、太大、又没做滤波。试三件事：给 reverb 返送挂一个 300 Hz 的 high-pass，别让低频堆积浑浊；把 reverb 时间缩短（rap 里 plate/room 更好）；再把 reverb 稍微延后（pre-delay），让主人声保持清晰。如果你一听到效果就能把它的每一下单独分辨出来，说明你开太大了；把量收小。
人声该我自己混，还是用自动工具？
两条路都合理。想学、想要完全掌控，那就照这篇教程里的步骤手动做，最好不过；你的耳朵会练出来。但这个过程费时间、也要经验。想要又快、又稳定、又达到参考水准的结果，可以把人声上传到 Seimix、让它自动混，再从结果出发做微调。多数制作人会两者结合：一个快速的自动底子，再加上自己的个人润色。
更多: 全部指南