老刘的修复工作室里，摊着一张从祖屋阁楼翻出的老照片。照片上奶奶的笑脸依稀可辨，却被层层灰尘、几道折痕和霉斑盖住了神采。老刘戴着白手套，先在放大镜下仔细端详，再拿软毛刷轻轻拂去浮尘，最后才用修复液一点点处理。他常说：修旧如旧，宁淡勿艳。 音频修复与去噪，做的正是同一件事。老录音就像一张“声音的照片”——持续沙沙的底噪是蒙在表面的灰尘，刺耳的爆音是纸上的折痕，电流声是霉斑，高频嘶声是褪色。我们要做的不是把声音“调大调亮”，而是像修复师一样，先诊断伤情，再用频谱手术刀精准去除污染，让尘封多年的声音重见天日。 这篇文章会带你走进声音修复的完整流程：如何识别噪声类型、理解修复原理、掌握去噪与爆音修复技法、玩转 iZotope RX 工具、批量处理老录音，最终把泛黄的录音变成清晰可辨的数字档案。

岗位关联

精通音频修复与去噪，意味着你能给历史录音“第二次生命”——这是技术活，更是艺术活，也是AI音频工程师最有成就感的技能之一。

目录
  1. 可视化演示
  2. 一、损伤识别诊断
  3. 二、修复核心原理
  4. 三、噪声消除技法
  5. 四、爆音消除方法
  6. 五、工具实战运用
  7. 六、批量处理流程
  8. 七、实战应用场景
  9. AI 应用场景
  10. Python 演示
  11. 常见误区
  12. 面试题

可视化演示

展示谱减法去噪前后波形对比、频谱图噪声区域识别修复、嘶声咔哒声嗡嗡声裂纹四种噪声类型去除，步进切换探索音频修复原理。

本节配有交互动效（进入视口后自动加载，约 3KB）。

谱减法去噪波形对比 上方含噪波形叠加随机噪声和嘶声干扰 下方为谱减后干净波形噪声被有效去除 clean = noisy - noise_spectrum 谱减法从含噪信号中减去估计的噪声频谱

一、损伤识别诊断

修片台前，老刘把那幅老照片举到灯下，先整体看，再局部放大。灰尘是均匀蒙着的灰，霉斑是散落的暗点，折痕是一条贯穿的亮线。每一种损伤都有自己的“长相”，看准了才能对症下药。

音频修复也是一样。拿到破损老录音，第一件事不是急吼吼地打开降噪插件，而是戴上监听耳机完整听一遍。这个步骤叫“损伤识别与诊断”。常见的噪声类型大致分三类：持续的背景底噪（像灰尘，均匀沙沙作响）、突发性的爆音和咔哒声（像折痕，尖锐而孤立）、以及交流声和嗡鸣（像霉斑，带固定频率的哼哼声）。

要更精确地定位损伤，就需要打开频谱图——横轴是时间，纵轴是频率，颜色深浅代表能量强度。爆音在频谱上表现为垂直的亮条，底噪是整片弥漫的雾状色块，高频嘶声则在频谱顶端形成一条细长的亮带。有了频谱图，老刘就相当于拿到了照片的“X光片”。

衡量录音受损程度，最常用的指标是信噪比（SNR）。

诊断这一步，就好比老刘确认照片上有几道折痕、哪里霉变。伤看清了，修复就成功了一半；伤看错了，再贵的工具也只会白费力气。

SNR=10×log⁡10(P信号P噪声)\displaystyle \text{SNR} = 10 \times \log_{10} \left( \frac{P_{\text{信号}}}{P_{\text{噪声}}} \right)
信噪比就是“有用声音”和“没用的噪声”之间的功率较量。比值越高，说明声音越干净；比值越低，说明噪声越猖狂。
  1. 信号功率\( P_{\text{信号}} \) 表示录音中有用声音的平均能量，能量越高，声音越“结实”。
    P信号=1N∑n=1Nx2[n]\displaystyle P_{\text{信号}} = \frac{1}{N} \sum_{n=1}^{N} x^2[n]
  2. 噪声功率\( P_{\text{噪声}} \) 表示纯噪声区域（如静音片段）的平均能量。
    P噪声=1M∑m=1Mn2[m]\displaystyle P_{\text{噪声}} = \frac{1}{M} \sum_{m=1}^{M} n^2[m]
  3. 对数与分贝两个功率求比值后取 10 倍对数，得到以分贝（dB）为单位的值。
    P信号P噪声→  10log⁡10  dB\displaystyle \frac{P_{\text{信号}}}{P_{\text{噪声}}} \xrightarrow{\;10\log_{10}\;} \text{dB}

二、修复核心原理

修复照片时，老刘会把照片放到高倍放大镜下，看清颜料的颗粒分布——原来“红色”并不是一种颜色，而是由深浅不同的颗粒组合成的。理解了颗粒，才能知道该擦哪里、该补哪里。

声音的本质也藏在这种“颗粒”里。任何声音都可以分解成不同频率的成分——男声的低沉来自低频，齿音的尖锐来自高频。频谱分析就是把一段声音拆开，让你看清楚每个时刻由哪些频率组成。这个分解过程在数字信号处理中叫短时傅里叶变换（STFT）。

理解了频谱分解，修复的逻辑就清楚了：先分解，再减除噪声成分，最后用逆变换把声音合回来。 这就像老刘把照片的灰尘识别为“灰颗粒”，再用专门的溶剂洗去灰颗粒——工具不同，原理相通。

X(f)=∑n=0N−1x[n]⋅e−j2πfn/N\displaystyle X(f) = \sum_{n=0}^{N-1} x[n] \cdot e^{-j 2\pi f n / N}
这个公式像一个“频率探测器”：它把每个时间采样点 \( x[n] \) 与对应频率的旋转因子相乘再累加，最终告诉我们“这个频率上有多少能量”。
  1. 时域采样点\( x[n] \) 是录音被数字化后的离散采样值，即每个时刻的振幅。
    x[n],n=0,1,2,…,N−1\displaystyle x[n], \quad n = 0, 1, 2, \ldots, N-1
  2. 频率探针\( e^{-j 2\pi f n / N} \) 是一条螺旋旋转的“探针”，专门探测某个频率 \( f \) 的成分。
    e−j2πfn/N=cos⁡(2πfn/N)−jsin⁡(2πfn/N)\displaystyle e^{-j 2\pi f n / N} = \cos(2\pi f n / N) - j\sin(2\pi f n / N)
  3. 累加求和把每个时刻的贡献都加起来，得到频率 \( f \) 处的总强度 \( X(f) \)。
    X(f)=x[0]+x[1]⋅e−j2πf/N+⋯+x[N−1]⋅e−j2πf(N−1)/N\displaystyle X(f) = x[0] + x[1] \cdot e^{-j2\pi f/N} + \cdots + x[N-1] \cdot e^{-j2\pi f (N-1)/N}

三、噪声消除技法

灰尘是最普遍也最顽固的污染。老刘对付灰尘有一套：先用软毛刷扫去表面浮灰，再用静电布吸走缝隙里的细尘——不能用力过猛，否则会擦伤照片本身。

对应到音频，“灰尘”就是铺满整个录音的底噪。去噪的核心技巧叫自适应降噪，它的第一步是“采集噪声样本”：在录音中找到一段纯粹的静音/无信号片段（比如两句话之间），让算法记住噪声的“长相”。之后算法就在整个文件中寻找并减去这种“长相”的噪声。

对于高频嘶声（“嘶——”持续不断），需要针对高频段做精准衰减；对于中低频的电流嗡鸣，则用窄带滤波锁定那个固定频率。这些技巧组合起来，就像老刘针对不同污渍选用不同的清洗剂。

谱减法是最经典的降噪模型，公式如下：

降噪的精髓在于“克制”。老刘常说，擦灰尘不能把照片擦掉一层皮——去噪也一样，过头了，声音会变得空洞、发闷，甚至产生怪异的“水声”。

S^(f)=max⁡(∣X(f)∣−α∣N(f)∣,  β∣X(f)∣)\displaystyle \hat{S}(f) = \max \left( |X(f)| - \alpha |N(f)|, \; \beta |X(f)| \right)
简单说：把含噪信号的能量谱，减去从“噪声样本”中学到的能量谱，剩下的就是干净信号。\( \alpha \) 控制减除力度，\( \beta \) 兜底防止减过头。
  1. 含噪信号幅度谱\( |X(f)| \) 是含噪录音在频率 \( f \) 上的能量强度。
    ∣X(f)∣=Re2+Im2\displaystyle |X(f)| = \sqrt{\text{Re}^2 + \text{Im}^2}
  2. 噪声谱与系数\( \alpha |N(f)| \) 表示从噪声样本学到的噪声强度，再乘以衰减系数 \( \alpha \)（0~1之间）。
    α∈[0,1],α∣N(f)∣≤∣X(f)∣\displaystyle \alpha \in [0, 1], \quad \alpha |N(f)| \leq |X(f)|
  3. 取最大值保护\( \max(\cdot, \beta |X(f)|) \) 确保结果不为负值，保留原信号一小部分（\( \beta \)，如 0.01）作为安全垫。
    S^(f)=max⁡(I,0.01∣X(f)∣)\displaystyle \hat{S}(f) = \max\big(I, 0.01 |X(f)|\big)

四、爆音消除方法

照片上的折痕，总在光线下格外刺眼。老刘用蒸汽软化纸纤维，再用压平器一点点抚平——不能直接撕掉，也不能用颜料盖住。

音频里的“折痕”就是爆音和咔哒声：老唱片上的划痕、磁带磁粉脱落、数字化时的脉冲干扰，都会在波形上留下一个尖锐的突刺。这类损伤的特点是持续时间极短（几毫秒）、幅度突变、在频谱上呈现垂直亮条。

修复方法分三步：检测 → 定位 → 插值替换。算法先扫描波形，凡是在极短时间内出现远超周围样本幅度的点，就标记为“爆音候选”。然后对每个候选点，用前后相邻的正常样本做插值——相当于用周围的颜色自然过渡来“抚平”折痕。更复杂的场景（比如一段连续的吱嘎声）则需要频谱修补：在频谱图上把异常区域涂掉，让算法根据周围频段自动补全。

插值修复的数学原理很简单，就是加权平均：

修复爆音就像抚平折痕——不是把折痕切断，而是让纸纤维平滑地回归原位。插值法正是用“无缝过渡”来掩盖破损。

x^[n]=(1−w)⋅x[n−1]+w⋅x[n+1]\displaystyle \hat{x}[n] = (1 - w) \cdot x[n-1] + w \cdot x[n+1]
拿爆音前后两个正常样本，按权重 \( w \) 取平均，生成一个新值替换掉爆音。\( w = 0.5 \) 就是最简单的“两边取中”。
  1. 前一个样本\( x[n-1] \) 是爆音位置之前紧邻的正常采样值。
    x[n−1]=爆音前一刻的振幅\displaystyle x[n-1] = \text{爆音前一刻的振幅}
  2. 后一个样本\( x[n+1] \) 是爆音位置之后紧邻的正常采样值。
    x[n+1]=爆音后一刻的振幅\displaystyle x[n+1] = \text{爆音后一刻的振幅}
  3. 权重配比\( w \) 在 0 到 1 之间，决定新值更靠近前样本还是后样本。
    x^[n]=0.5⋅x[n−1]+0.5⋅x[n+1](当 w=0.5)\displaystyle \hat{x}[n] = 0.5 \cdot x[n-1] + 0.5 \cdot x[n+1] \quad (\text{当 } w = 0.5)

五、工具实战运用

老刘的工作台不只靠双手，一整套精密工具才是他的底气：不同尺寸的毛刷、专用修复液、蒸汽机、压平器……每一件都有专属于它的用途。

音频修复领域的“老刘工具箱”，业内公认的专业工具是 iZotope RX——它被比作“音频界的 Photoshop”。软件打开后，主界面默认是波形视图（上方）+ 频谱图（下方）的双面板结构。前者让你看宏观的动态起伏，后者让你看微观的频率细节。

RX 中最常用的模块有三个：

1. 降噪模块（Voice De-noise / De-noise）——让软件从你框选的“噪声样本”学习，然后对整个文件去噪。这里有强度（Amount）和灵敏度（Sensitivity）两个关键参数，要边听边调。

2. 画布修补（Spectral Repair）——在频谱图上选中受损区域，让 RX 用周边信号智能重建，常用于修复吱嘎声、电话干扰、频带缺失。

3. 频谱刷（Spectral Brush）——像橡皮擦一样，手动涂掉频谱图上那些孤立的爆音竖条。

处理前还有一个概念需要掌握：音频文件的“信息容量”。它由采样率、位深度和声道数决定：

工欲善其事，必先利其器。 RX 就像老刘的整套修复装备，但记住——工具再强，没有诊断能力和克制的心态，也只会把照片越修越糟。

D=fs×b×c\displaystyle D = f_s \times b \times c
\( D \) 是每秒的数据量。\( f_s \) 采样率决定能记录的最高频率，\( b \) 位深度决定动态范围，\( c \) 声道数决定空间感。理解它，你才知道该用多大的文件来保存修复成果。
  1. 采样率\( f_s \) 为每秒采集样本数量（如 44.1kHz 表示每秒 44100 个采样点）。
    fs=44100 Hz或96000 Hz\displaystyle f_s = 44100 \ \text{Hz} \quad \text{或} \quad 96000 \ \text{Hz}
  2. 位深度\( b \) 为每个采样点用多少比特记录幅度，常见 16 bit / 24 bit。
    b=16⇒216=65536 个幅度等级\displaystyle b = 16 \quad \Rightarrow \quad 2^{16} = 65536 \text{ 个幅度等级}
  3. 声道数\( c \) 为音轨数量，单声道=1，立体声=2。
    D=44100×16×2≈1.4 Mbit/s\displaystyle D = 44100 \times 16 \times 2 \approx 1.4 \ \text{Mbit/s}

六、批量处理流程

老刘偶尔会接到大活：一整个旧相册，四五十张照片等着修复。他不可能一张张慢慢琢磨，必须流程化、标准化——把参数调好，批量处理，再逐张抽检。

音频修复同样如此。当你面对一整盘老磁带（可能有十几首歌）或一批历史采访录音时，就要启动批量处理流程。RX 自带批量处理器（Batch Processor），你可以把所有文件拖入队列，应用预设的处理链：降噪 → 爆音修复 → 响度标准化 → 导出。

批量处理的关键是宏与预设管理：先把一个文件的完整修复动作记录为“宏”（Macro），然后一键套用到所有文件。这一步要求你在批量之前，先找 2-3 个有代表性的片段做“小样试听”，确认参数对所有文件都适用。批量完成后，还要抽听至少 20% 的文件做质量复核——因为不同段落的噪声特征可能有差异。

批量处理的提速效果可以用“并行加速比”来理解：

批量处理听起来省心，但老刘从不把相册整本丢进机器就回家睡觉——机器负责重复劳动，人负责判断好坏，这才是可靠的工作流。

S=1(1−p)+pP\displaystyle S = \frac{1}{(1 - p) + \dfrac{p}{P}}
如果整个流程中可并行处理的比例是 \( p \)，用 \( P \) 个进程同时跑，加速比为 \( S \)。比如 \( p = 0.9 \)，\( P = 4 \)，加速约 3 倍——但永远不可能无限提速。
  1. 可并行比例\( p \) 表示流程中能同时处理多个文件的时间占比（0~1）。
    p=T可并行T总\displaystyle p = \frac{T_{\text{可并行}}}{T_{\text{总}}}
  2. 并行进程数\( P \) 是同时运行的批处理进程/线程数量。
    P=4 个进程并行处理\displaystyle P = 4 \text{ 个进程并行处理}
  3. 不可并行开销\( 1 - p \) 是文件读取、参数加载、导出编码等串行部分。
    S=1串行比例+并行比例/核数\displaystyle S = \frac{1}{\text{串行比例} + \text{并行比例}/\text{核数}}

七、实战应用场景

修复完成的那天，老刘把照片重新装进相框。奶奶的笑脸清晰而自然，看不出修补的痕迹。这就是修复师最大的成就感——让记忆重新变得可信。

音频修复与去噪的实战场景极其广阔，可以说哪里有破损的声音，哪里就有这门手艺：

  • 老唱片修复：黑胶唱片和开盘带经年累月会积累炒豆声（爆音）、沙沙声（底噪）、频段衰减。修复后，一首 60 年前的民歌能恢复温暖的音色，重新出版数字专辑。
  • 采访录音抢救：现场采访常有空调嗡嗡声、键盘敲击声、街道嘈杂声。用去噪 + 频谱修复，能让人声提高可懂度——关键时刻，也许一个字就是一条新闻线索。
  • 历史档案保护：档案馆里保存的领导人讲话、民间艺人绝唱、战争亲历者口述，都是不可再生的声音文物。修复后以 24bit/96kHz 的无损格式归档，让百年后的听众依然能听清当年的声音。

修复效果的量化，常用“噪声衰减量”（NRR）来评估：

一幅修好的照片，一段重获新生的录音——老刘在灯下微笑，电脑前的我们也一样。 音频修复不是魔法，而是一套讲究诊断、克制和流程的严谨手艺。

NRR=10×log⁡10(P修复前噪声P修复后噪声)\displaystyle \text{NRR} = 10 \times \log_{10} \left( \frac{P_{\text{修复前噪声}}}{P_{\text{修复后噪声}}} \right)
假设信号功率不变，修复前后噪声功率的比值取对数，就是噪声被压低了多少分贝。NRR 越大，说明噪声消除得越彻底。
  1. 修复前噪声功率\( P_{\text{修复前噪声}} \) 是处理前静音片段测得的噪声能量。
    P前=1M∑m=1Mn前2[m]\displaystyle P_{\text{前}} = \frac{1}{M}\sum_{m=1}^{M} n_{\text{前}}^2[m]
  2. 修复后噪声功率\( P_{\text{修复后噪声}} \) 是同一片段处理后的噪声能量。
    P后=1M∑m=1Mn后2[m]\displaystyle P_{\text{后}} = \frac{1}{M}\sum_{m=1}^{M} n_{\text{后}}^2[m]
  3. 对数换算两个功率的比值取 10 倍对数，得到以 dB 为单位的衰减量。
    NRR=10log⁡10P前P后\displaystyle \text{NRR} = 10 \log_{10} \frac{P_{\text{前}}}{P_{\text{后}}}

AI 应用场景

历史音频档案数字化保护

阶段：数据预处理与质量提升

解决的问题：档案馆里大量模拟录音（磁带、钢丝带、黑胶）在数字化后充满底噪、爆音和频段缺失。传统人工修复一盘 60 分钟的磁带需要数天，且不同 operator 的技术水平导致质量参差不齐。AI 驱动的修复工具可以批量学习噪声特征，自动降噪与去爆音，将处理时间压缩到分钟级。

具体案例：某省级档案馆对馆藏 2000 小时上世纪五六十年代的地方戏曲录音做数字化抢救。工程师先用 RX 对 30 分钟样本做“小样试听”，确定降噪强度与爆音检测阈值，再通过批量处理器整卷处理，最后人工抽检关键唱段。修复后的音频以 24bit/96kHz WAV 格式归档，永久保存在数字资产系统中。

采访录音抢救

阶段：信号增强与内容可懂度提升

解决的问题：新闻记者在嘈杂环境（街头、会场、咖啡馆）录制的采访，常混入空调声、键盘声、交通噪声。传统降噪手段容易让人声发闷、失真。基于噪声样本的自适应降噪 + 频谱修复，能针对性地压住稳态噪声，同时保留人声的清晰度与情绪细节。

具体案例：一名调查记者在一场嘈杂新闻发布会上录下关键证言，但录音里空调嗡鸣几乎盖过人声。后期工程师在 RX 中框选一段无人声的间隙做噪声样本，应用自适应降噪后，再用频谱修复清理残余的键盘声爆点，最终证言内容被完整提取，成为报道的核心证据。

老式音乐母带再版

阶段：AIGC内容增强与再创作

解决的问题：唱片公司想把上世纪八九十年代的经典专辑重新数字化发行，但母带已经老化，出现嘶声、爆音和动态压缩痕迹。修复的目标是“修旧如旧”——在去除噪声的同时保留原始混音的时代质感，而不是做成现代风格的“重制版”。

具体案例：一支乐队把 1995 年的 Demo 磁带送进录音棚，希望修复后重新上线流媒体。工程师先整体诊断，发现主要问题是高频嘶声和磁粉脱落造成的爆音。他们用 RX 的 De-hiss 模块做 4dB 衰减，再用 Spectral Repair 逐段修补上百个爆点，最后做响度标准化。修复版上线后，老乐迷评论：“像是第一次听清楚主唱的咬字。”

Python 演示

python63 行
"""老录音爆音检测与修复演示"""import mathimport random  def gen_clean(total=500):    """生成一段模拟干净老录音的正弦波"""    return [math.sin(2 * math.pi * 3 * i / 100) for i in range(total)]  def add_clicks(samples, count=8, strength=4.0):    """随机注入爆音尖峰，模拟破损老录音"""    out = list(samples)    for _ in range(count):        pos = random.randint(30, len(samples) - 2)        out[pos] += random.uniform(-strength, strength)    return out  def detect_click(samples, threshold=2.2):    """检测幅度突变的爆音点"""    marks = [False] * len(samples)    for i in range(1, len(samples) - 1):        base = max(abs(samples[i - 1]), abs(samples[i + 1]), 1e-9)        if abs(samples[i]) > threshold * base:            marks[i] = True    return marks  def repair_click(samples, marks):    """用前后样本插值修复爆音"""    out = list(samples)    for i, flagged in enumerate(marks):        if flagged:            out[i] = (samples[i - 1] + samples[i + 1]) / 2    return out  def total_error(a, b):    """计算两段信号的总绝对误差"""    return sum(abs(x - y) for x, y in zip(a, b))  def main():    random.seed(42)    clean = gen_clean()    noisy = add_clicks(clean)    marks = detect_click(noisy)    restored = repair_click(noisy, marks)     err_before = total_error(noisy, clean)    err_after = total_error(restored, clean)    drop = 1 - err_after / err_before     print("检测到的爆音数量:", sum(marks))    print("修复前总误差:", round(err_before, 4))    print("修复后总误差:", round(err_after, 4))    print("误差下降比例:", round(drop, 4))    print("抢救成功: 破损老录音已恢复清晰")  if __name__ == "__main__":    main()
目的：这个脚本用纯 Python 模拟了“爆音检测与修复”全流程——先合成干净的模拟录音，再人为注入爆音，然后检测异常尖峰并用前后样本插值修复，最后量化误差下降幅度，让你直观感受音频修复的效果。
  1. gen_clean()生成一段平滑正弦波，模拟干净无瑕疵的原始录音
  2. add_clicks()在随机位置注入幅度尖峰，模拟老录音的爆音损伤
  3. detect_click()扫描波形，凡是超过周围样本幅度的点就标记为爆音
  4. repair_click()对每个爆音点用前后样本均值替换，实现插值修复
  5. total_error()计算修复前后与原始信号的偏差，量化修复效果
  6. random.seed(42)固定随机种子，保证实验结果可重复

常见误区

误区很多人拿到嘈杂的录音，第一反应是“音量开大点”“高音增强点”，觉得只要把声音放大、把高低频推起来，人声就会自然清晰。

正解修复的本质是减法——去掉噪声，而不是增加新的声音成分。这就像处理照片上的灰尘，不是靠“增加对比度”让灰尘消失，而是要轻轻擦除。用 EQ 推高 8kHz 只会让嘶声更刺耳，正确的做法是先采集噪声样本，把噪声“减”掉。

为何常见：我们对混音的印象是“加东西”（加 EQ、加压缩、加效果），而对修复的“去杂质”思维不熟悉，容易用混音思路来处理修复问题。

误区把降噪强度拉到最大，听到背景噪声几乎消失，觉得自己修复得很成功。

正解过度降噪会产生“水声”“金属声”——声音像泡在水里说话，鼻腔共鸣被放大，自然感尽失。这就像用强力清洁剂洗照片，把影像本身也腐蚀了。修复的原则是“宁淡勿艳”，降噪只要让人耳感觉自然即可，不必追求绝对干净。

为何常见：预览时单个片段的噪声消除效果容易给人“干净=好”的错觉，忽略了连续听下来产生的伪影疲劳感。

误区以为 AI 修复可以“无中生有”，把被噪声盖住的字词、被削波的波形完全恢复成原始样子。

正解修复是在利用幸存的信息做插值和重建——就像用红色颜料补泛黄照片的角落，修复师只能“猜测”原来是什么颜色。AI 能依托统计模型给出合理的结果，但永远无法精确还原从未被记录的信息。削波丢失的幅度、烧毁的磁带片段，都不可完美复原。

为何常见：“AI 修复老照片”类产品的宣传给人魔法般的预期，实际上那些算法也是基于猜测的，只是猜得足够好、足够自然。

误区把几十个文件拖进批量处理器，设好参数，睡一觉起来就能直接交付。

正解批量流程必须包含“前采样 + 后抽检”。不同录音的噪声特征差异很大——同一盘磁带里，A 面底噪轻、B 面底噪重；同一批采访中，有的片段有键盘声，有的没有。批量前的 2-3 个样本试听和批量后的 20% 抽查，就像修完相册要逐页翻看，不能只看封面。

为何常见：高估了“自动化”的鲁棒性，低估了音频信号随时间和场景变化的复杂性。

面试题

Q1. 拿到破损老录音后，第一件事应该做什么？

单选题 · easy

  • A.立刻用降噪插件全自动处理
  • B.先试听并诊断噪声类型← 正确答案
  • C.先转成更高采样率格式
  • D.先提高音量再进行增强

答案：B。修复如治病，先诊断再下药。老录音的噪声形形色色，背景底噪、爆音、电流声的修复手段完全不同。不诊断就直接套用降噪插件，很可能把声音处理得又闷又假。

Q2. 信噪比（SNR）的大小直接反映？

单选题 · easy

  • A.衡量信号与噪声的相对强度← 正确答案
  • B.反映音频文件的压缩率高低
  • C.决定声道数量是否合规
  • D.表示声音响度的实际大小

答案：A。SNR = 信号功率 ÷ 噪声功率，再取对数用 dB 表示。它衡量的是“有用声”和“无用噪”的对比关系，SNR 越高，说明噪声相对越弱，音频质量越好。压缩率、声道数、响度都和它没有直接关系。

Q3. “嘶声”的能量主要集中在哪个频段？

单选题 · easy

  • A.中频人声区（约1kHz）
  • B.低频轰鸣区（约60Hz）
  • C.高频段（数kHz以上）← 正确答案
  • D.全频段均匀分布

答案：C。“嘶——”是高频宽带的噪声，集中在 4kHz 以上的频段。去嘶声时要针对高频段做精确衰减，而不是盲目动低频或中频，否则会破坏人声的齿音和清晰度。

Q4. 使用自适应降噪之前，必须先做什么？

单选题 · mid

  • A.下载最新的降噪插件
  • B.提供一段纯噪声样本← 正确答案
  • C.把音量开到最大
  • D.转成单声道再处理

答案：B。自适应降噪的核心是“先认识噪声，再减去噪声”。算法必须从一段无信号的静音片段中学习噪声的频谱特征，才能在整个文件中区分信号与噪声。没有噪声样本，算法就是盲人摸象。

Q5. 爆音修复的核心做法是什么？

单选题 · mid

  • A.用前后样本插值替换← 正确答案
  • B.用强力滤镜完全抹除
  • C.提高采样频率掩盖
  • D.增加低通滤波器消除

答案：A。爆音是持续几毫秒的幅度尖峰。修复的关键是检测定位后，用前后正常样本插值出平滑过渡的新值——相当于用旁边的颜色“无缝补色”。静音抹除会留下空洞感，低通滤波会连带损害高频细节。

Q6. 在频谱图中，横轴与纵轴分别代表什么？

单选题 · mid

  • A.横轴频率，纵轴时间
  • B.横轴音量，纵轴频率
  • C.横轴响度，纵轴音量
  • D.横轴时间，纵轴频率← 正确答案

答案：D。频谱图的横轴是时间（从左到右播放进程），纵轴是频率（低频在下、高频在上），颜色深度代表该时该频的能量大小。爆音在图上呈垂直亮条，底噪是弥散的雾状色块——这是诊断的核心地图。

Q7. 过度降噪后最常见的听感伪影是什么？

单选题 · hard

  • A.播放速度明显加快
  • B.“水声”或“金属声”← 正确答案
  • C.左右声道完全反转
  • D.音量突然翻倍增大

答案：B。当降噪强度超过合理范围，算法会过度削减某些频段的动态，留下一种类似水泡破裂或金属颤动的残留，业界俗称“水声”或“金属声”。这是降噪伪影的典型表现。修复应以自然为准则，而非以“最干净”为目标。

Q8. 以下哪些问题适合用频谱修复来做“外科手术”？

多选题 · mid

  • A.频带缺失引起的闷响← 正确答案
  • B.单个的咔哒爆音← 正确答案
  • C.持续性的高频嘶声
  • D.磁带物理折断损坏

答案：AB。频谱修复是针对“局部、孤立”的损伤——频带缺失就像照片缺了一块颜色，可以用周围信息补全；单个咔哒爆音是离散的垂直亮条，适合用频谱笔刷点掉。持续性嘶声是弥散在整个频谱的污染，应交给降噪模块整体处理；物理损坏则不是软件能修复的。

Q9. 批量修复老录音时，合理的流程控制包括哪些？

多选题 · hard

  • A.先小样试听统一参数← 正确答案
  • B.宏记录标准化操作← 正确答案
  • C.修复后人工抽检复听← 正确答案
  • D.全程自动无需监听

答案：ABC。批量处理不是“一键全自动”。先用有代表性的小样试听确定参数，再录制宏来标准化操作，最后抽检复听确认质量——这三者缺一不可。完全不监听是对听众的不负责，因为相同参数在不同录音上的表现可能天差地别。

Q10. 已经削波（波形顶部被切平）的录音，能否通过修复完全恢复？

单选题 · extreme

  • A.可以，用AI脑补无痕还原
  • B.不可以，削波已丢幅度信息← 正确答案
  • C.可以，提高采样率即可
  • D.不可以，因为声道数不足

答案：B。削波是录音环节幅度超过设备最大量程造成的，被切平的波形部分已经永久丢失。AI 可以“猜测”波形原本的形状并给出平滑的近似，但无法还原被切掉部分的精确信息。提高采样率只能增加采样密度，不能找回已丢失的幅度。