你可能有过这样的经历：打开某款游戏新版本的 PV，画面还没来得及看清，耳机里先是一声巨响扑面而来，鼓点、爆炸、角色台词与背景音乐层层叠加，短短几分钟的视频在前几帧便已将情绪推到最满。
这种「响」并不是因为你调高了手机或电脑的音量。即便音量条停留在原来的位置，一段视频依然可以听起来更加「饱满」。从游戏 PV、短视频配乐，到流媒体中的音乐作品，我们似乎正在习惯一种声音被不断塞满的世界。
这种现象并非偶然，而在音视频领域它有一个专业的名字——「响度战争」。
这篇文章便想从笔者最近观看的几支游戏 PV 出发，聊聊一段视频是如何听起来更响的，以及当「更响」逐渐成为内容创作者与厂商们抓住观众注意力的默认方式时，我们的听觉体验发生了什么变化。
接触过耳机或音响圈的读者们对这个概念应该不陌生。人耳的听觉频带大概在 20Hz-20kHz，此频段的声音也被称为「可闻声」。低于 20Hz 频段的声音也就是我们常说的「次声」，高于 20kHz 则是「超声」。
当然，这只是一个大致的理想范围，个体的可闻频域范围因人而异。普遍来说，可闻频域范围会随着年龄的增长而逐渐下降（这或许也是某些特定内容的短视频刻意拉高响度的原因）。
你或许也接触过一个单位——dB，也有人习惯将它表示的声音大小直接称作「声压」。但更严谨地说，描述现实环境中声音强弱的物理量叫作声压级（Sound Pressure Level，简称 SPL），属于物理声学范畴，通常写作 dB SPL。
频率决定了声音听起来是低沉还是尖锐，频率越低声音听起来越低沉、频率越高则反之；而声压级描述的，则是声音在现实中究竟有多强。
这种「有多强」也并不难理解：电脑风扇的轻微转动声，大约只有二三十分贝；正常谈话声，通常会来到 60 dB SPL 左右；走到车流较大的街道旁，声音可能已经接近 80 dB SPL；而在演唱会或音乐节中，现场声压则可能超过 100 dB SPL。更专业的音频后期制作校准，则主要分布在 79-83 dB SPL。
响度（Loudness）其实并不是一个客观的物理量，而是心理声学范畴的一个概念。换句话说，它衡量的并非一段声音在物理上释放了多少能量，而是当声音进入耳朵之后，我们主观上觉得它有多「响」。
上文提到了人耳的听阈范围，但在这段范围之内，我们对不同频率的敏感程度并不一致。相比沉闷的低频轰鸣，或极高频的细小尖声，人耳对中高频区域的声音要敏感得多。交谈中的人声、警报声，以及动作电影中用于制造冲击感的金属撞击、刀剑出鞘等音效，恰好都大量集中在容易被我们注意到的频段。
下图为等响曲线图，不难看出，人耳在不同频率下对同一声压级的响度感受是不同的。
对于一支视频来说，仅仅知道现实环境中的声压级还不够。毕竟最终听到多大的声音，还会受到播放设备和音量设置的影响：同一支视频，在手机外放、耳机和客厅音箱中播放，实际产生的声压级并不相同。
在数字音频信号领域，我们经常会看到一个叫做 dBFS 的单位，即 dB relative to Full Scale。dBFS 通常从负值逐渐接近 0，声音信号越接近 0，说明它距离数字系统能够容纳的上限越近。
而在讨论一段视频整体听起来有多响时，我们更需要关注 LUFS，即 Loudness Units relative to Full Scale，其结合了心理声学的相关理论，即人耳对声音的感受方式，衡量一段时间内的整体响度。在数值上，LUFS 越接近 0，通常意味着这段内容听起来越响。
讲这么多概念你可能也累了，如果「响度」始终只停留在听感层面，总归有些抽象。我们能够察觉一支视频比另一支更吵、更满、更有压迫感，却很难仅凭耳朵准确回答其响度。
因此我们需要借助一些工具将主观感受转化成相对直观的数据。
Youlean Loudness Meter 2 是一款可视化的响度检测工具，支持 macOS 和 Windows，可以读取声音在播放过程中的响度变化，并呈现诸如综合响度（用于描述整段视频整体听起来有多响）、短期响度与真实峰值等信息。
你可以在官网免费下载 YOULEAN LOUDNESS METER 2 自行体验。
下面笔者选取了一支约十年前发布的游戏宣传 PV 与这个月刚发布的几支 PV 进行了对比。需要提前说明的是，在游戏行业内，-21 LUFS 到 -16 LUFS 可以作为较常见的参考标准。
我们主要注意左侧表格中的 INTEGRATED 数值（即综合响度）与 SHORT TERM（即短期响度），结果如下：
可以看到，十年前的 PV 还处在较为克制的响度范围内。从右侧的响度曲线来看，整支视频并没有长时间贴近顶部运行，而是保留了相对明显的高低起伏：安静的段落负责铺垫，战斗与转场处的音效再将情绪推高。也正因为前后存在差异，高潮真正出现时，声音才更容易给人留下冲击感。
而近几年的 PV 响度则一家更比一家响。第一支近期动作游戏 PV 的综合响度已经来到 -12.2 LUFS，相较十年前的样本提升了接近 4 LU。这意味着即使观众没有调高播放设备的音量，整段视频在主观听感上也会更加饱满、更靠前，更容易在刚开始播放的几秒内抓住观众的注意力。
在另一支近期 PV 中这种趋势表现得更加明显：它的综合响度进一步达到 -11.2 LUFS，短期响度则来到 -6.7 LUFS；从右侧曲线中也能够看到，红色区域几乎持续贴近上方，留给安静段落和动态变化的空间已经相当有限。换句话说它并不是只在某几个战斗镜头中突然变响，而是在相当长的一段时间内都保持着较高的听觉压迫感。
更响的声音，会让视频在听觉上更「饱满」吗？
前面的测试中有一个很有意思的现象：几支 PV 的最高峰值其实都已经相当接近上限，但它们的综合响度却有着明显差异。显然新的 PV 并不是简单地把「最响的那一下」继续变得更响，而是让整段视频中的大部分声音都更响了。原本「较轻」的部分也会被一同推高。
在第一支十年前的 PV 中，对白、环境声和铺垫部分可能处在较低的位置，到了角色登场、战斗开始或配乐爆发时，声音才迅速冲上高峰；两支近期的 PV 则把响度最低处抬高，原本相对安静的部分不再那么安静，原本已经很响的高潮则继续贴近上限。
这种处理方式并不一定是坏事。对于一支只有一两分钟的游戏宣传片来说，更紧凑、更饱满的声音，确实能够迅速营造情绪，适应当前快节奏的观看环境。
但问题是我们正在丢失「动态」，这也是我们还是要反对「响度战争」的原因。
在数字音频中，声音并不能无限变响。数字信号存在一个明确的上限，峰值抵达 0 dBFS 后再继续向上推动，便可能产生削波和失真。
这里便涉及另一个概念——动态范围。简单来说，动态范围就是一段声音中，最轻与最响部分之间的差距。动态范围越大，安静的地方越安静，爆发的地方也就越容易显得突出；动态范围越小，整段声音则会听起来更加均匀、更加密集。
在专业音频制作中，压缩器可以将过高的峰值压低，限制器则可以防止声音突破数字信号的上限。在此基础上再将整段音频的电平提高，原本较轻的对白、配乐和环境声便会一同变响。最终，最高峰值或许没有明显改变，整段视频的综合响度却能够得到提升。
也就是说，响度战争用更小的动态范围换取了更高的整体响度，但高潮部分反而会变得不再突出。
事实上，平台并非完全没有注意到声音越来越响的问题。对于视频、节目等需要大量连续观看的内容来说，如果上一段对白还需要调大音量，下一段音乐或爆炸声便突然冲到耳边，观看体验显然是一场灾难。
有些内容平台制作了相应的响度参考标准（如 Netflix），但幽默的是不只是内容创作者们，这些标准制定平台有时候也并未重视自己的标准。
如果说参考标准是在内容上线前提前为创作者提供一个参考，那么播放端的响度标准化，则是在内容真正来到观众耳边之前，平台根据自身标准对音频整体响度进行调控的主要手段。
响度标准化的逻辑很简单：当不同内容被连续播放时，平台会尽可能让它们听起来处在相近的音量水平，避免用户刚听完一段较轻的内容，下一段便突然响到需要手动调低音量。
Apple Music 中的 Sound Check 便是一个直观的例子。Apple 在官方说明中将它描述为一项用于平衡不同歌曲响度的功能：系统会先判断歌曲本身听起来有多响，再在播放时适当调高或调低音量，让歌曲之间的切换不会显得忽大忽小。
遗憾的是这套机制在用户端的实际表现，依然会因平台和播放环境而有所不同，毕竟平台可以调低一支过响的视频，却无法替它重新找回那些已经在制作阶段被挤掉的动态范围。
说了这么多，回到开头，是否我们已经为「响度战争」盖棺定论，视频越响就越低质？
从客观上看，响度增大所带来的动态范围的损失是无法弥补的，但主观上提高响度又实打实增加了同等音量下视频的表现力。「响度」的调整应该作为某些情况下增加作品表现力的工具，而不是制作者与厂商们试图获取观众注意力的「武器」，使用一切工具的前提应该都是为内容服务。
毕竟，「看视频」这件事本不应该是一场「战争」。
> 关注 少数派公众号，解锁全新阅读体验 📰
> 实用、好用的 正版软件，少数派为你呈现 🚀
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。