声音
把一部恐怖片静音，它就不吓人了。声音占了观感的一半，却只拿到新手十分之一的注意力。这一章补上这一半。
四种声音，外加安静
一条片子的声音，拆开看只有四层。它们同时响着，各管各的事。
| 层 | 包括 | 它的任务 |
|---|---|---|
| 人声 | 对白（画面里的人说话）；旁白voice-over · VO（画面外的声音在讲）；口播（人对着镜头讲） | 传递信息。它是老大，其他声音都要给它让路 |
| 音乐 | 配乐、背景音乐、歌 | 定情绪，定节奏，把零散的画面粘成一段 |
| 音效 SFX | 具体动作的声音：关门、脚步、点击；以及设计出来的声音：嗖、叮、砰 | 让画面里的动作“落地”，引导注意力 |
| 环境声 ambience | 背景里持续的声音：街道的车流、办公室的空调、森林的虫鸣、房间里的“空气声” | 告诉观众在哪，让场景显得真实 |
第五样是安静。完全的静音，或者只剩一点环境声。它不是“没有声音”，是声音设计里分量最重的一个选择，留到后面单独讲。
画内和画外
还有一个分法很有用：这个声音，片子里的人物听得到吗？
- 画内音diegetic：故事世界里真实存在的声音。人物说话、收音机里的歌、敲门声。
- 画外音non-diegetic：只有观众听得到的声音。配乐、旁白、设计出来的音效。
上一章《教父》那一段，管风琴和神父的声音是教堂里的画内音，但它一直延续到了教堂之外的杀戮画面上，在那里变成了画外音。这种在两者之间滑动的处理，是声音设计里最有味道的手法之一。讲解片里也能用：先让观众听到键盘声，再切到正在打字的画面。
声音和画面可以不同时切
新手剪片，画面和声音总是在同一帧一起切。专业的片子里，它们经常是错开的。这是让剪辑变“顺”的最大秘密，名字来自它们在时间线上的形状。
J cutJ cut：下一个镜头的声音，提前半秒到一秒进来。你还在看这个人，已经听到了下一个场景的音乐或人声。它制造期待，并且把剪切点藏了起来，因为等画面切过去的时候，耳朵早已在那边了。几乎所有“顺滑”的场景切换都用了它。
L cutL cut：画面先切走，上一个镜头的声音继续。最常见的用法是对话：A 还在说，画面已经切到 B 在听。还有口播盖 B-roll，本质上也是 L cut：人声继续，画面换成了别的。
这两个手法在行内合称错位剪辑split edit。让 AI 做的时候一句话就够。
音效：让东西有重量
没有声音的动效是“飘”的。一张卡片滑进来，配上一声轻轻的“唰”，它立刻就像一张真的卡片；一个数字跳出来，配一声“叮”，观众的注意力会被准确地拉到那里。给画面里的动作配声音，是提升质感最划算的一步。
音效有两个来源。一类是写实的：真实物体发出的声音，脚步、纸张、键盘、开关。在电影里这些声音大多是后期在录音棚里重新做的，这门手艺叫拟音foley。另一类是设计的：现实里不存在、专门为画面运动做的声音。下面这张表是设计类音效的常用词，它们在音效库里就是这么分类的，你照着名字要就行。
| 名字 | 听起来 | 配什么 |
|---|---|---|
| 嗖 whoosh / swoosh | 一阵快速的风声 | 任何快速的移动：元素滑入、转场、甩镜。最常用 |
| 上升音 riser | 音调或音量持续升高，越来越紧 | 高潮或揭晓之前的 1 到 4 秒蓄力 |
| 撞击 impact / hit | 一声短促有力的“砰” | 大标题落定、重拍、冲击性的画面出现。常紧跟在上升音后面 |
| 低频下坠 sub drop / boom | 很低的“嗡”一声沉下去 | 沉重、严肃的时刻；慢动作开始 |
| 啵 pop | 气泡破掉、瓶塞弹出 | 小元素弹出：图标、贴纸、气泡 |
| 咔嗒 click / tick | 清脆的一小声 | 按钮、开关、逐条出现的列表、计数 |
| 叮 ding / chime | 铃、三角铁 | 正确、完成、提示、亮点 |
| 打字 typing | 键盘声 | 文字逐字出现 |
| 快门 shutter | 相机“咔嚓” | 截图、定格、照片贴上来 |
| 纸张、笔迹 | 翻页、撕纸、铅笔划过 | 纸质风格的画面：贴纸、手写、划线 |
| 故障 glitch | 电流、信号干扰 | 故障转场、出错、科技感 |
| 倒放的镲 reverse cymbal | “嘶——”由弱到强然后突然断掉 | 转场前的吸入感，接一个硬切 |
| 磁带停转 tape stop | 音乐像被按住唱片一样降调停下 | 打断、冷场、喜剧性的“等一下” |
配音效的四条规矩
- 同一类动作，永远用同一个声音。卡片贴上来是“啪”，那么每一张卡片贴上来都是同一个“啪”。声音和颜色、字体一样，是风格的一部分，要成套。
- 声音要落在动作“到位”的那一帧。不是开始动的时候，是落定的时候。早了晚了都会觉得不对。快速移动的“嗖”则应该跟着运动的全程。
- 音效要轻。刚好听得见就够了。它是让画面扎实的，不是让人注意到“这里有个音效”。
- 不是每个动作都要配。只配重要的。全都配，等于在观众耳边不停地敲。
音乐
怎么描述你要的音乐
“来点轻松的音乐”和“高级一点”一样没法执行。音乐可以从五个维度说清楚：
| 维度 | 怎么说 |
|---|---|
| 情绪 | 明亮、温暖、紧张、忧郁、俏皮、史诗、冷静。挑一到两个词 |
| 速度 | 每分钟多少拍（BPMBPM）。70 到 90 是舒缓，100 到 120 是轻快，行走的速度，130 以上是有冲劲 |
| 乐器 | 原声吉他、钢琴、弦乐、电子合成器、鼓机、爵士三重奏、Lo-fi。乐器基本决定了“气质” |
| 密度 | 稀疏（一两件乐器，留很多空）还是饱满（层层叠叠）。有旁白的片子要稀疏的 |
| 有无人声 | 有歌词的歌会和旁白抢。讲解类一般用纯音乐 |
还可以给一个参照：某部电影的配乐、某个频道常用的那类音乐。它比形容词准。
音乐有结构，剪辑要跟着它
一首曲子不是从头到尾一个样的。它通常有前奏（安静地开始）、主段（稳定进行）、铺垫（越来越满、越来越紧）、高潮（最响最满的部分，电子乐里叫 drop）、尾奏（退下去）。好的剪辑会让片子的结构和音乐的结构重合：钩子对着前奏的第一个音，转折点对着铺垫的最高处，全片最重要的画面落在高潮的第一拍。
如果现成的音乐结构和你的片子对不上，可以剪音乐：截掉前奏，把某一段循环两遍，在需要的地方硬停。让 AI 做这件事时，告诉它你的片子在第几秒需要音乐“起来”。
音乐怎么进、怎么出
| 方式 | 效果 |
|---|---|
| 淡入 fade in | 不知不觉地出现。温和，但开头没有力量 |
| 硬进 | 第一帧就是满音量。有冲击力，短视频开头首选 |
| 淡出 fade out | 慢慢消失。平稳的结束，稍显敷衍 |
| 落在结束音上 | 把音乐剪到正好在最后一个画面处奏完最后一个音。最完整 |
| 骤停 | 音乐突然断掉。强调、转折、喜剧 |
| 闷掉 low-pass / muffled | 音乐像隔了一堵墙，只剩低频。表示进入内心、水下、回忆，或者单纯给一段旁白让路 |
混音：谁大谁小
混音mixing是调整各层声音的音量和质感，让它们互不打架。原则只有一条：人声永远清楚。在这之下，有几个具体的做法。
音量的大致关系
| 层 | 相对音量 |
|---|---|
| 人声 | 最响，作为基准 |
| 音乐（有人说话时） | 比人声低 15 到 20 dB。你应该“感觉到”它，而不是“听见”它 |
| 音乐（没人说话时） | 可以升上来，比人声基准低 3 到 6 dB |
| 音效 | 比人声低 8 到 15 dB，冲击类的可以更接近人声 |
| 环境声 | 很低，比人声低 20 dB 以上，若有若无 |
dB（分贝）是音量的单位，每降 6 dB 听起来大约轻一半。你不用记数字，记住比例关系，然后用耳朵检查：闭上眼听一遍，有没有哪个字听不清。
闪避
闪避ducking：有人说话的时候，音乐自动压低；人一停，音乐自动升回来。所有播客、Vlog、解说都在用。它让音乐在停顿处填满空间，又不会盖住任何一个字。压低和回升都要有一个 0.2 到 0.5 秒的过渡，不然会听出“抽吸”的感觉。
给人声让出位置
音乐盖住人声，不全是音量的问题。人说话的清晰度主要集中在一段中高频里，如果音乐在这一段也很满（比如有明亮的吉他、人声合唱），即使音量低也会让话听不清。专业的做法是在音乐上把这一段频率削掉一些，叫均衡EQ。你不用自己会调，但可以这样要求：
人声本身
口播和旁白的录音质量，对成片观感的影响比画质更大。观众能忍受模糊的画面，忍不了听不清或者刺耳的声音。常见的问题和说法：
| 问题 | 听起来 | 让 AI 做什么 |
|---|---|---|
| 底噪 | 一直有“嘶嘶”声或电流声 | 降噪 |
| 混响 | 像在空房间或浴室里说话 | 去混响 |
| 忽大忽小 | 有的字很响，有的字听不见 | 压缩、音量标准化 |
| 喷麦、齿音 | “p”“b”爆破声很重；“s”很刺 | 去喷麦、去齿音 |
| 闷 | 像隔着一层布 | 提亮高频 |
如果用 AI 合成配音，要交代的是：音色（年龄、性别、气质）、语速、停顿的位置、哪些词要重读、整体的情绪。合成语音最大的毛病是匀速和没有停顿，所以断句和留气口要明确写出来。
安静
声音设计里最有力的一招，是把声音拿掉。
一段满满的音乐和音效之后，突然全部停掉，只留一个人的呼吸声，或者什么都不留。这半秒到两秒的安静，比任何音效都更能让观众坐直。因为人的耳朵对“变化”敏感，而从有到无是最大的变化。
安静的常见用法：全片最重要的一句话之前，停半秒；一个笑点或反转之后，留一秒让它发酵；紧张的段落里抽掉音乐，只留环境声，反而更紧。《爆裂鼓手》结尾那段独奏之所以震撼，有一部分原因是中间有一处，鼓声几乎停了，只剩一下一下极慢的敲击，然后才重新加速。
AI 默认会用音乐把整条片铺满，因为“有音乐更完整”。你需要明确地给安静留位置。
声音的检查清单
- 闭着眼听一遍，每个字都听得清吗？
- 音乐有没有起伏，还是从头到尾一个样？
- 重要的画面动作有没有对应的声音？同类动作的声音一致吗？
- 段落切换的地方，声音有没有提前或拖后，还是和画面一起硬切？
- 有没有至少一处安静？
- 开头的第一秒有声音吗？结尾的音乐是落在结束音上，还是被一刀切断？
- 在手机外放上听一遍。低频会消失，人声和中频的问题会暴露出来。
片例截图与片段仅用于学习与评述，版权归原作者与出品方所有，出处见片单与出处。