重混音轨：环绕人声

bobo

国语 7.1 环绕声重混：对白混响、声场还原与 truehdd 的问题

很早就想写这篇帖子了。眼看大家纷纷转向 truehdd 解码重混，听了很多重混国语似乎都在走偏，是时候扶正“国语重混”了！

别被 Atmos 的高大上光环， Dolby Reference Player/gst-launch-1.0.exe 解出来的不是真正的Atmos蒙住双眼！

对白定位，声场还原才是“国语重混”的王道！

今天和大家交流一个国语音轨重混中经常被忽略的问题：如何让国语对白融入原片的环绕声场，而不只是简单增加播放声道？

本文不讨论 Dolby Reference Player/gst-launch-1.0.exe 与 truehdd 的解码质量，只讨论解码后的国语对白混响处理、7.1 声道重混，以及声场还原问题。

---

一、为什么双声道国语不能直接复制到环绕声道？

1．原始国语对白

图 1 是一段典型的双声道国语对白。左右声道波形几乎一致，电平也基本相同，听感更接近双单声道。

如果直接复制到多个环绕声道，即使 8 个甚至 12 个扬声器同时发声，也只是声音变大，并没有真正的对白定位与空间层次。

环绕声的关键不在于多少个扬声器发声，而在于不同方向的声场关系。



2．通过混响拉开声场

图 2 是混响处理后的波形，左右声道已经出现差异。图 3、图 4 则展示了处理前后的声像分布。

混响不只是增加回声，更重要的是模拟场景中的空间反射、声音扩散及混响衰减。

例如大厅、走廊和普通房间，其声音反射特征明显不同。如果国语对白缺少对应的空间感，从原声切换到国语时，就容易出现明显的听感落差。

当然，波形和声像分布只是辅助判断，最终还需要通过监听确认。

---

二、Adobe Audition 制作 7.1 国语环绕声

下面介绍处理流程：

第 1 步：创建八声道音频文件

打开 Adobe Audition：

新建音频文件 → 声道自定义 → 选择 5.1 预设。

点击左下角的“＋”两次，新增第 7、8 声道，分别设置为“左环绕直达”和“右环绕直达”。

这样就得到一个用于 7.1 处理的八声道音频文件。





第 2 步：导入国语对白

将需要处理的国语对白复制到新建的八声道文件中。

注意保持与原音轨的时间同步，并确认声道对应关系，避免后续出现错位。



第 3 步：添加对白定位与环绕混响

使用Waves S360 Imager 5.1 改变对白位置比如对白来自偏左：




使用 Adobe Audition 自带的“环绕混响”效果，根据原片场景调整反射、混响量及声道分布。

尤其是大厅、走廊等混响明显的场景，应尽量保持国语与原声的空间特征一致。

混响不是越大越好，而是越贴近原片声场越好。



第 4 步：使用 DTS Neural UpMix 扩展声场

接下来使用 Waves DTS Neural UpMix 5.1/7.1，进一步扩展声场，并观察各声道输出。

需要说明的是，UpMix 能够帮助扩展声场，但不能保证准确恢复原片的对白定位，因此还需要结合原声进行调整。





第 5 步：调整声道电平

根据原片声场，分别调整各声道电平，确保对白清晰、声像稳定，同时兼顾前后空间层次。

不要为了追求环绕效果，刻意提高后方声道的对白音量。



第 6 步：替换原音音轨

将处理完成的八声道音频替换原音音轨对应位置，检查时间同步、声道顺序及衔接效果。

至此，基本的国语 7.1 环绕处理就完成了。

---

三、重点来了：truehdd 解码后，声场究竟在哪里？

前面只是操作流程，真正想讨论的是：TrueHD/Atmos 解码后的声道与实际声场如何对应？

truehdd 是一个很好的工具，但它导出的音频数据，不是已经按照最终扬声器布局完成空间渲染。

（当然，truehdd 可以通过 --bed-conform --presentation 3 启用 Atmos 声床适配）

Dolby Atmos，除了传统声床，还可能包含独立音频对象及空间元数据。

如果不知道各路音频与实际声场的对应关系，那么重混国语时就会遇到一个关键问题：

国语对白究竟应该放在哪里？

例如，原片中人物在大厅说话，不仅有直接声，还包含来自不同方向的反射和混响。

如果只是将国语对白分配到多个声道，即使最终输出 7.1 或 7.1.4，也不代表还原了原片的空间特征。

这里有四个问题：

1．truehdd 解出的各路音频，如何与原片实际声场准确对应？

2．哪些属于固定声床，哪些与 Atmos 对象有关？

3．没有完成空间渲染，如何确定国语对白的正确位置？

4．原片中的空间反射、混响和声音移动，又该如何还原？

难道把同一段国语对白送到 8 个甚至 12 个扬声器，就算完成了环绕声重混？

显然没有那么简单。

尤其是混响明显的场景，如果国语与原声的声场差异过大，往往会有非常明显的听感落差。

---

四、关于 truehdd 与 Dolby Reference Player

首先，我并不是说 truehdd不好。相反，它是一个非常有价值的工具。

但解码出音频数据，与正确还原 Atmos 对白定位，空间声场，是两回事。

如果无法明确音频数据与实际声道、音频对象及空间位置的对应关系，直接用于 7.1 或 Atmos 国语重混，就会面临不少困难。

因此，目前在处理环绕对白、对照原片声场和重建混响时，我更倾向于使用 Dolby Reference Player/gst-launch-1.0.exe 的相关解码、渲染流程，先获得便于监听和对照的结果，再进行重混。

当然，这不代表 truehdd 不行。

关键是能否解决解码数据与实际声场之间的准确映射问题。

---

五、最后想说的

制作国语 7.1 或 Atmos 音轨，不是简单地把双声道人声扩展到更多声道。

真正重要的是让国语对白融入电影原有的声音空间和准确的人声定位，而不是让更多扬声器同时发声。

如果有朋友已经解决 truehdd 解码后的声道、音频对象与实际声场的对应问题，尤其是能够准确还原原片对白定位和空间混响的方法，非常欢迎交流。

希望通过大家的探讨，让国语重混不仅有环绕声的形式，更能真正还原电影原有的空间表现。

---

六、补充

之前我曾问过 AI 一个问题：

Dolby Atmos 不是由 Bed（声床）+ Objects（音频对象）组成的吗？为什么使用 truehdd 解码部分电影的 TrueHD/Atmos 音轨时，却发现只有 1 路 LFE Bed，其余 11 路全部是 Objects？原本的 Bed 去哪里了？

AI 给出的答案是：这与杜比官方采用的 Spatial Coding（空间编码）技术有关。

一、杜比官方文档早有说明

杜比在《Dolby Atmos Renderer Guide v3.0》（2018 年 8 月 2 日）中解释了这一机制。

相关章节：

• 第 24.3.4 节，第 266 页
• 第 24.3.5 节，第 266–267 页
  

杜比官方 PDF：Dolby Atmos Renderer Guide

其中第 24.3.4 节写道：

In order to maximize efficiency, spatial coding converts bed channels to equivalent objects at predefined canonical locations.

翻译：

为了最大化编码效率，空间编码会将 Bed 声道转换成位于预定义标准空间位置的等效 Objects。

这里有一个关键区别：

杜比并不是要求混音师在制作时放弃 Bed，而是在 Atmos 交付编码阶段，通过 Spatial Coding 将 Bed 声道转换为等效的空间对象。

二、为什么要这样做？

主要是为了提高空间编码效率。

电影 Atmos 母版通常包含固定声床（Bed）和动态音频对象（Objects）。在面向家庭影音的编码过程中，Spatial Coding 可以将 Bed 映射为具有固定空间位置的对象，并结合对象聚类等技术，对原始音频元素进行优化。

这样既能保留必要的空间定位信息，又能控制编码所需的元素数量和数据量。

杜比文档介绍了以下空间编码元素配置：

编码元素总数	LFE Bed	Objects
12 Elements	1	11
14 Elements	1	13
16 Elements	1	15

因此，truehdd 解码某些 TrueHD/Atmos 音轨时出现的 1 路 LFE Bed + 11 路 Objects，与杜比的 12 Elements 空间编码结构相吻合。

三、11 路 Objects 就是原始 11 个声道吗？

不是，不能这样简单理解。

Spatial Coding 输出的 Objects，并不一定与原始混音中的 Bed 声道或独立 Objects 一一对应。

它们可能包含经过空间聚类处理的多个原始音频元素，原始 Bed 和 Objects 中的声音也可能被组合到同一个编码元素中。

因此：

• 解码后只有 1 路 LFE Bed，不代表原始混音没有 Bed。
• 11 路 Objects，不代表它们恰好就是 7.1.4 中除 LFE 外的 11 个独立扬声器声道。
• 即使完整解出 12 路 PCM，也不等于恢复了电影原始 Atmos 混音工程中的 Bed/Object 结构。
  

四、结论

Atmos 母版中的 Bed + Objects，与 TrueHD/Atmos 码流中的实际编码元素，并不一定是一回事。

很多电影解码后呈现出「1 路 LFE Bed + 11 路 Objects」，并不意味着制作人员故意舍弃了 Bed，而可能是杜比 Spatial Coding 在交付编码过程中转换和优化后的结果。

这也解释了为什么不能简单地认为：truehdd 解码出来的每一路 Objects，就对应着电影原始混音中的某个独立声道或音频对象。

一句话总结：Atmos 制作时可以采用 Bed + Objects，但最终 TrueHD/Atmos 码流为了空间编码效率，可能将 Bed 转换并整合进 Objects。解码出来的编码结构，不等于原始混音结构。

在这种复杂的情况下人力怎么能准确还原对白定位与声场？怎么用上面制作出来的7.1混响替换truehdd 解码出来的音频文件？

bobo

电影的 5.1 声道主要是后期制作出来的，现场对白大多是单声道。不会觉得拍摄现场有十几个人在同时录音呢吧，其实大部分都是在混音室设计和制作出来的。

单声道怎么变成 5.1，甚至 Dolby Atmos？

这就涉及心理声学、声像定位和空间音频渲染！通过不同声道的增益、时间差、相位及空间信息，让人耳产生方向感和移动感。杜比厉害的地方就在这里！

举个例子，几毫秒的延迟、细微的电平差或相位变化，就可能影响声音的空间感。人耳能感知方向，不代表能准确测量这些参数，更不代表能反推出原始声道映射。

再看 truehdd 解码出来的十几条 WAV，其中可能包含声床和 Atmos 对象相关音频。对象的空间位置还取决于元数据和渲染方式，并不是一条 WAV 就对应一个固定扬声器。

靠耳朵听、眼睛看波形，就想完整判断每条音轨的声道归属和 Atmos 对象定位？开玩笑！
能解码，不等于能正确渲染；听起来差不多，更不代表声场还原正确。

我说的直白些：用truehdd解码重混是个巨大的错误，是倒退，为了所谓还原atmos元数据。

定位，声场都确定不了叫什么重混？

麦哈

truehdd确实找声道对应是个很麻烦的事情，我遇到过一个问题，前段时间做洛杉矶劫案，某个轨道，人声从中置转到右声道，有镜头切换，本来不难做，转成7.1.4的话分分钟做完，但truehdd的那种乱序轨道，我在这里尝试了很多次，人声随镜头切换会被放到好几个轨道，就是声场不对，最终放弃尝试，输出为7.1.4模式混了这一句。
还有一个，是hebuz发现的，我做 马力欧兄弟 这个片，truehdd解析出来的轨道，某些轨道有非常小的部分是静音状态，但drp解出来的不是，不知道是什么引起的。

truehdd很强，我仍然在用，也喜欢用，瑕不掩瑜吧，但怎么说呢，有时候drp解析，混音真的容易不少。。。。。

ccfys888

抢到沙发坐了！大神威武，小白来学习了！感谢干货分享，制作辛苦啦！！！

q3f76jidc6

来学习一下真正的知识

kingluluj

感谢大神分享的技术贴，太详细全面了！

along444

好深奥，学不明白啊

Hebuz

干货满满，想把混响做好，必须进来观摩学习

pydhh

路过看看，点个大大的赞，我不玩这个，没有好机器，没有时间

imagine

确实非中置声道的制作正确是个高难度工作，我曾经试图用现在的AI模型结合软件算法来努力过，但依然不是太理想！如果要手工制作确实耗费巨量时间，和产出不成正比。但是有耐心的人确实可以一点点啃尽量达到还原。难度最高的应该就是声音高低的匹非，Ai目前还不能那么精细的匹配但是已经可以往这方面靠了。总之，我们没有按照正规的流程来制作音轨，等于在逆向工程肯定非常难！truehdd我目前还不会用没研究过，之前都是用的老的方法，我曾打算下载个https://www.perfectsurround.com/ 软件耍一下看看结果，但是这个网站屏蔽国内下载IP所以只能放弃了。