如何将 22.05 kHz 语音音频材料增强至 44.1 kHz 以供收听？

Question 1

如果录制语音的采样率为 22kHz，则不能通过将其设置为 44kHz 来增强它。您可以将其与位图图像进行比较：通过“增大像素”，您不会获得更多细节。单声道/立体声也是如此。如果您有单声道录音，则无法将其转换为立体声录音。它只能反过来起作用，例如将立体声变成单声道。

但是，如果存在其他“问题”，例如录音的某些部分音量不够，您可能能够纠正这个问题或消除突然的变化等。但这取决于问题的类型，没有通用的解决方案。您应该熟悉该主题，以便知道“技术问题”是什么，然后尝试找到解决方案。如果您在应用此解决方案（即找到非常具体的声学问题的解决方案）时遇到问题，最好再次就该特定主题进行提问。

Answer

如果录制语音的采样率为 22kHz，则不能通过将其设置为 44kHz 来增强它。您可以将其与位图图像进行比较：通过“增大像素”，您不会获得更多细节。单声道/立体声也是如此。如果您有单声道录音，则无法将其转换为立体声录音。它只能反过来起作用，例如将立体声变成单声道。

但是，如果存在其他“问题”，例如录音的某些部分音量不够，您可能能够纠正这个问题或消除突然的变化等。但这取决于问题的类型，没有通用的解决方案。您应该熟悉该主题，以便知道“技术问题”是什么，然后尝试找到解决方案。如果您在应用此解决方案（即找到非常具体的声学问题的解决方案）时遇到问题，最好再次就该特定主题进行提问。

Question 2

22.05 kHz 不是“低质量“就口语而言……大多数 Audible 库的采样率为 22.05 kHz - 即使是“高质量" 文件。

如果录音“听起来很糟糕“，那么可能是由于其他原因：

位深度（8 位与 16 位）
压缩（低比特率 MP3 与 AAC 或 OGG）
麦克风（便宜 vs 不那么便宜）
麦克风与阅读器的位置
原始媒体（模拟与数字/磁带与迷你光盘或 PC）
先前从低得多的采样率进行的上采样（这是您现在正在尝试做的）。

不管怎样，信息现在都丢失了，而且很难找回。你不用花太多时间就能做到的最好办法就是调整一下 EQ，让它听起来更让人接受。

您提供的样本对我来说听起来还不错（虽然我不会说这种语言，所以可能会错过一些细微差别......）。

我会稍微调整一下 EQ，“正常化“音频会将音量调高 — 您可能会发现，您认为的录音质量差，实际上是系统中的噪音，在将音量调高后变得更加明显。

波形变化如下所示（使用 Audacity），之前（顶部）和之后（底部）：

录音中有一些混响（可能是来自房间，也可能是离麦克风有点远）。但是背景噪音很小（因此波形部分较窄），没有失真，整个文件中只有一次爆音（上面没有显示）。

Answer

22.05 kHz 不是“低质量“就口语而言……大多数 Audible 库的采样率为 22.05 kHz - 即使是“高质量" 文件。

如果录音“听起来很糟糕“，那么可能是由于其他原因：

位深度（8 位与 16 位）
压缩（低比特率 MP3 与 AAC 或 OGG）
麦克风（便宜 vs 不那么便宜）
麦克风与阅读器的位置
原始媒体（模拟与数字/磁带与迷你光盘或 PC）
先前从低得多的采样率进行的上采样（这是您现在正在尝试做的）。

不管怎样，信息现在都丢失了，而且很难找回。你不用花太多时间就能做到的最好办法就是调整一下 EQ，让它听起来更让人接受。

您提供的样本对我来说听起来还不错（虽然我不会说这种语言，所以可能会错过一些细微差别......）。

我会稍微调整一下 EQ，“正常化“音频会将音量调高 — 您可能会发现，您认为的录音质量差，实际上是系统中的噪音，在将音量调高后变得更加明显。

波形变化如下所示（使用 Audacity），之前（顶部）和之后（底部）：

录音中有一些混响（可能是来自房间，也可能是离麦克风有点远）。但是背景噪音很小（因此波形部分较窄），没有失真，整个文件中只有一次爆音（上面没有显示）。

Question 3

正如前面提到的，以 22.05kHz 录制口语本身并不“不好”，但也无法真正“修复”，因为录音中没有要强调的信息。您只能处理已有的内容。

解释一下... 人类的声音在 2 - 6 kHz 左右最为清晰。那里有所有的辅音，也真正有助于听众判断正在说什么；这也是为什么用手指堵住耳朵会降低可理解性的原因，它主要阻挡了这些较高的频率。6kHz
以上的语音中有信息，但在此之上信息就少了很多，到 11kHz 时，剩下的有用信息真的很少了。

因此，对于口语，他们使用 22.05kHz 作为采样频率。
有一种非常复杂的音频分析方法，称为奈奎斯特-香农采样定理通常简称为奈奎斯特极限，基本上可以归结为
“音频文件中可以记录的最高音频频率是采样频率的一半。”
这相当于 22.05kHz 录音中的 11kHz。
这对于人声来说已经足够了。

这也意味着，即使你将采样频率改为 44.1kHz [CD 音质]，也不再有任何高于该频率的信息可供使用。

开始听有声读物。
据我所知，问题在于朗读者离麦克风有点近。这会强调较低的频率，因为有一种叫做邻近效应。这里无需详述，但总体而言，它使录音有点低音。
它也被某种程度地压缩了 - 动态范围减少了，因此安静的部分更响亮，而响亮的部分更安静。这应该有助于提高清晰度，但它并没有达到应有的效果，并且往往会更加强调低音。我能想到这样做的唯一理由是它让读者听起来“更有男子气概，更有权威”......但实际上对提高清晰度没有丝毫帮助 :/

我们需要做的是降低低音，强调高音，并尝试弱化一些重度压缩。
大部分可以或多或少可以在 Audacity 中完成，但我更喜欢在 Cubase 中完成，所以让我在那里向你展示......

大多数人会告诉你先对文件进行规范化。
不要先这样做- 你会失去你的潜在空间。
如果你真的需要这样做，那就去做吧最后的。

还要注意，您无法“撤消”已经施加的压缩 - 这相当于从烤好的蛋糕中取回鸡蛋和面粉 - 相反，您只能尝试在受影响最严重的区域减轻它。

如果您只需要进行均衡，那么您可以尝试降低 250Hz 以下的音量，然后慢慢降低至低于该音量。然后，您可以尝试通过在高于 2 或 3 kHz 处添加相反的斜率来恢复一些辅音。

我在大约 3:40 时听到了令人恼火的咔嗒声或咂嘴声，我只需选择并调至零 - 你可以用消除咔嗒声器来巧妙解决，但不值得付出努力。

对于任何此类救援行动，我首选的武器是多频段压缩器。
我找到了一款适用于 Audacity 的免费多频段压缩器，但我自己还没有尝试过，所以 YMMV -https://www.gvst.co.uk/gmulti.htm

我使用价格昂贵得多的 Waves LinMB，但总体思路是一样的。这是我的设置方式...

从图片中，你可以看到我非常用力地敲打低音，试图消除过度的轰鸣声。中间部分我基本没动。我增加了高音的输出水平，同时施加了轻微的压缩，这样一些较重的 S 等就不会太过有力。此外，此时我还没有增加整体音量 - 我们仍然有足够的余量可以发挥，最好在打开和关闭效果进行比较时不要只是用音量变化来欺骗自己。

简单示例-
之前...

https://soundcloud.com/graham-lee-15/antal-vegh-orig?in=graham-lee-15/sets/intelligibility-fix

后...

https://soundcloud.com/graham-lee-15/antal-vegh-linmb?in=graham-lee-15/sets/intelligibility-fix

到了这一步，一旦你对声音感到满意了，现在你可以正常化。

^{请注意，我的示例采用较高的采样率，纯粹是因为我无法直接以 22.05 导出。这不会以任何方式对结果产生实质性影响。}

Answer