OC
SoundCloud 主动砍掉 17kHz 以上高频:频谱看着少了,音乐为什么反而可能更好听?
科技 · 2026-07-20 · 技术 / 音频 · 阅读 21

SoundCloud 主动砍掉 17kHz 以上高频:频谱看着少了,音乐为什么反而可能更好听?

林岚|OC 开发者生态编辑

林岚|OC 开发者生态编辑

据 SoundCloud 工程团队在 官方博客 解释,平台更换为 Fraunhofer 的 libfdk_aac 编码器后,会在约 17kHz 处对 AAC 转码应用低通滤波。用户在频谱图上会看到高频被切掉,但 SoundCloud 表示,新编码器在其跟踪的感知质量指标上反而更好。

一句话结论: 有损编码的任务不是保存频谱图上的每一条线,而是在固定码率里保住人耳最容易听出差异的部分;砍掉多数成年人几乎听不到的最高频,可以把更多比特留给更重要的中频。

这条新闻看起来很反常。你上传一份无损母带,再下载 SoundCloud 转码后的文件,频谱在 17kHz 以上出现整齐的“断崖”;旧编码器却能一直显示到 20kHz。只看图,当然像新版本偷走了音乐细节。

问题是,频谱分析器对所有频率一视同仁,人耳不是。人类对约 2kHz 到 5kHz 的区域最敏感,年龄增长、听力状态和播放环境还会进一步降低高频感知。AAC 在固定码率下不可能无损保留所有信息,编码器必须决定把有限比特花在哪里。

码率分配图:关闭低通时比特分散到全频段并在中频产生误差;开启17kHz低通后高频舍弃,中频误差下降

如果硬要保留 17kHz 以上的能量,编码器就要给它分配比特,复杂段落里的中频因此更可能出现量化误差、噪声和其他伪影。低通滤波相当于先承认“这里要舍弃”,换取更宽、更敏感频段的精度。SoundCloud 展示的对比中,新编码器的主要损失集中在顶部,旧编码器则在中高频和低频散布更多误差。

为什么不砍低音?低频通常相对容易编码,而且既能听见也能感受到,对节奏和音色影响明显。最高频则是成本较低的牺牲。这不是说 17kHz 以上绝对没人听得到,而是在流媒体压缩的预算里,保留它的平均收益通常小于改善其余频段。

即使在 256kbps,libfdk_aac 仍会在 17kHz 左右做较温和的衰减。SoundCloud 也承认这个选择可以讨论,因为较高码率已经接近足够保留全频段。但 Fraunhofer 的编码策略建立在长期听音测试上:受试者通常难以可靠辨别最高频被移除,而释放的比特能降低其他区域误差。

这并不意味着“切得越多越好”。低通点应该随码率、编码器、内容和目标人群调整;打击乐瞬态、特殊音效和年轻听众可能对高频变化更敏感。SoundCloud 的结论针对自己的 AAC 转码配置,不能推广成所有 17kHz 截止都比全带宽好。最终判断仍应依靠匹配响度的盲听,而不是只看频谱,也不是只信平台。

对音乐人而言,发现这条频谱线不代表上传文件损坏,也没有必要通过人为增强 17kHz 以上来“补偿”,那反而可能浪费更多编码预算。更实际的检查是用平台最终转码做盲听,关注人声齿音、镲片、空间感和复杂段落是否出现可闻伪影。

关键事实

  • SoundCloud 去年将 AAC 编码器升级为 Fraunhofer libfdk_aac,转码会在约 17kHz 处低通。
  • 低通释放的码率可用于降低人耳更敏感频段的误差。
  • 频谱变窄不自动等于听感变差,结论仍与码率、素材、听众和播放设备有关。

OC 判断

这是一个很好的“指标不等于体验”案例。频谱图方便比较,却不能代替听觉模型和盲测。SoundCloud 应当公开更多测试条件,但把完整带宽直接当成音质排名,同样是一种看图下结论。

为什么重要

参考来源

相关阅读

基于标题、摘要和正文内容自动匹配。

更多科技

评论

围绕这篇文章补充信息、提出问题或分享观察。

0
暂无评论。

发表评论

继续看看 OC 用户围绕这个话题说了什么、做了什么。

相关帖子

更多

做 AI 语音产品时,授权、撤回和审计日志应该怎么落地?

<p>最近看到越来越多关于声音授权的讨论。对开发者来说,真正麻烦的往往不是“模型能不能模仿”,而是授权如何进入系统、生成结果如何追溯,以及授权撤回后该怎么办。</p> <p>我们在做 FlowSpeech 时也碰到过类似问题。我的体会是,不要把“用户勾选过同意”当成一个布尔字段,而应该把它做成一组可以审计的业务对象。</p> <h2>1. 把声音资产和授权分开</h2> <p>声音文件只描述技术属性,例如哈希、上传者、存储位置和创建时间。授权记录则至少要包含授权主体、用途范围、地域、有效期、来源证据和当前状态。这样同一份声音用于个人试听、商业广告、公开播客时,可以绑定不同的授权,而不是共用一个模糊的 consent=true。</p> <h2>2. 每次生成都保存授权快照</h2> <p>生成任务不要只引用当前授权 ID。授权内容以后可能变更,如果任务只查最新状态,历史结果就无法解释。更稳妥的做法是在任务创建时保存授权版本、文本哈希、声音版本、模型版本和操作者。生成出的音频再记录 artifact_id,并反向关联任务。</p> <p>我会把最小链路设计成:</p> <ol> <li>voice_asset:原始声音及版本;</li> <li>consent_grant:授权范围与证据;</li> <li>generation_job:请求参数和授权快照;</li> <li>audio_artifact:输出文件、校验值和公开状态;</li> <li>audit_event:谁在什么时候创建、下载、公开或撤回了内容。</li> </ol> <h2>3. 撤回不是简单删除一行</h2> <p>授权撤回后,系统至少要阻止新任务,并把相关公开音频进入下架队列。已经交付给客户的文件是否能删除,要按照合同和产品能力区分,不能在界面上承诺技术上做不到的“全球删除”。更现实的状态机是 active、suspended、revoked、expired,并明确每个状态允许哪些动作。</p> <h2>4. 对外展示也要可验证</h2> <p>除了后台日志,公开音频最好带上来源标记或可查询的生成记录。水印不是万能方案,但“可识别的音频 + 可验证的元数据 + 清晰的举报入口”组合起来,比一句“AI 生成”更有用。</p> <p>我们现在做的 <a href="https://flowspeech.io/zh">FlowSpeech</a> 主要解决上下文感知、情绪和停顿控制。越往产品化走,越觉得声音效果只是前半程,权限边界和可追溯性才决定这类工具能不能长期使用。</p> <p>大家在实际项目里会把授权证据放在业务数据库、对象存储,还是单独的审计系统?如果授权撤回,你们通常怎么处理已经生成并交付的音频?</p>

FlowSpeech 0 1

一个体会,Codex 这种现代 Agent,每天一个变,几天不用就有新惊喜

<p>当然我说的也包括 Claude Code,新功能日新月异,还有就是 AI 能力提升以后,可以做的东西日新月异。还有各种工作流方法日新月异。</p> <p>更好玩的是,我最近经历过很多次,你跟人介绍现在 Codex 可以做到什么样子,他们都觉得很厉害。但是你现场一演示,他们的震撼就更加完全不同了。所以,这种东西,需要大量的 Workshop 去沟通交流,光看文字很难讲清楚,直播、视频也越来越重要了。</p>

tinyfool 1 89

你们的Codex额度提前耗完了没?戒断反应如何?

<p>我在第三天就消耗了只剩1%,忍了一天,然后今天干脆用这最后的1%,开着5.6 Sol 极高 强推我一个提示词笔记本应用的功能落地。最终用时3小时,居然还是跑完了。但是现在还是出现一些戒断反应,感觉啥也做不了,就无精打采的,困。</p> <p>我做了一个Prompt Notebook,专门用来收藏或者记录自己手搓的生图提示词。带Chrome一键收藏插件。支持AI优化提示词。支持提示词中提取常用字段作为提示词百科词汇。也自带生图功能用来测提示词。但是要搭配Cloudflare R2+Worker的图床。</p> <p>今天主要是做一个AI模特的资产库。将常用的AI模特固定下来,进行身份设定,以及模特的一些角色定妆图。之后生图可以直接调用AI模特自动作为垫图。</p> <p>这是AI模特资产库的界面: <img src="/upload/thread/202608/42b5f73e-938f-45de-b74e-da69da9d72a8.webp" alt="1bb0d28b-c7dd-4327-bafa-26b60323cbed" /> 这是主界面的提示词瀑布流,支持关键词或标签搜索: <img src="/upload/thread/202608/3e15b6e7-345f-48b4-aeff-1bbd89afe9d3.webp" alt="ab998e2f-9ccc-4173-832f-223aa6c6fa81" /> 这是提示词笔记的预览界面,可以复制提示词,分享提示词,点击分享还有分享短链:(https://prompt.jintao.co.uk/share/20260806LfsmY) <img src="/upload/thread/202608/bab31972-0468-4582-b873-6309233254a6.webp" alt="20260806-201213" /> 可惜现在没额度了,我又不想换模型折腾。现在还有些界面细节和小功能需要落地完善,可能还要虫子要抓。弄好了,打算放GitHub开源。</p> <p>有朋友想试试的么?</p>

shynloc 2 4

你为什么不移民?

<p>我是一定要移了,在这里连正常呼吸都不行了。以前正常呼吸指的是言论自由,现在是生物学意义的正常呼吸问题了。</p> <p>你为什么不移民?</p>

tinyfool 741 48