音量、增益與響度：讓聲音「恰到好處」

為什麼音量調到 200% 聲音也沒大多少，反而出現了刺耳的破音？dB、dBFS、LUFS——這三個「分貝」到底有什麼不同？

你一定遇到過這樣的場景：同一段視頻，在手機外放時聲音小得聽不清，換到電視上卻震耳欲聾；在音樂軟體裡連播兩首歌，一首輕柔一首炸耳，不得不反覆伸手調音量；把語音備忘錄的音量拉到 200%，結果聲音是大了，卻伴隨著刺耳的破音。

這些問題的根源在於：「音量」這個詞在日常生活中指代的東西，在音頻工程裡其實被拆成了好幾個不同的概念——增益、電平、峰值、響度，它們各自遵循不同的度量規則。不理解這些規則，調音量就永遠是「憑感覺碰運氣」。本文把這些概念一次講透。

分貝（dB）：一把對數刻度的尺子

音頻世界的音量幾乎都用分貝（Decibel, dB）度量，而分貝最容易被誤解的一點是：它不是線性刻度，而是對數刻度。

對於聲音的幅度（振幅），分貝的定義是：

dB = 20 × log10(幅度比值)

由此得到幾個必須記住的對應關係：

注意一個反直覺的事實：幅度翻倍（+6 dB）並不等於「聽起來響一倍」。人耳對響度的感知也是近似對數的，心理聲學上通常認為響度感翻倍大約需要 +10 dB。這就是為什麼把音量從 50% 調到 100%（+6 dB），聽感上只是「大了一些」，而不是「大了一倍」。

還要記住：分貝永遠是相對值。單獨的「60 dB」沒有意義，必須說明相對於什麼基準——這就引出了不同場景下的分貝「家族」。

dBFS：數位音頻的天花板

在數位音頻內部（音頻文件、編輯軟體、處理工具中），使用的刻度是 dBFS（decibels relative to Full Scale，相對滿刻度的分貝）：

• 0 dBFS 是數位系統能表示的最大幅度，即「天花板」；
• 所有實際信號的 dBFS 值都是負數，如 -6 dBFS、-20 dBFS；
• 越接近 0，聲音越「頂格」；越小（如 -40 dBFS），聲音越微弱。

   0 dBFS ──────── 天花板（削波線）
  -6 dBFS ──────── 幅度為最大值的一半
 -12 dBFS ──────── 幅度為最大值的四分之一
  -∞ dBFS ──────── 靜音

削波（Clipping）：不可逆的失真

當信號被推過 0 dBFS 的天花板時，超出的部分會被直接「削平」，這就是削波。削波產生的是一種刺耳的、嗡嗡作響的失真，而且一旦發生就不可逆——被削平的波形無法通過後期「調小音量」恢復，因為超出的資訊已經永遠丟失。

這就是為什麼專業工作流裡有一句鐵律：寧可錄小，不可錄爆。錄小了可以後期無損失地增益回來（在合理範圍內），錄爆了就是永久損傷。

增益（Gain）與音量（Volume）：一回事嗎？

日常用語中兩者混用，但在音頻工程裡有微妙而重要的區別：

• 增益（Gain）：對信號本身施加的放大或衰減，改變的是音頻數據本身。音頻工具裡的「音量調節」參數，本質上就是增益。
• 音量（Volume）：通常指播放鏈路末端的輸出電平控制（如系統音量、播放器音量），不改變文件數據。

換句話說：增益是「改文件」，音量是「改播放」。用工具把音頻增益 +6 dB 並導出，文件本身就變響了；而把播放器音量調大，文件本身沒有任何變化。

百分比與分貝的換算

很多工具用百分比表示增益（100% = 原始音量）。百分比是分貝的另一種說法，換算關係：

使用大於 100% 的增益時務必警惕：如果原始音頻的峰值本來就接近 0 dBFS，放大後必然削波。例如峰值在 -3 dBFS 的音頻，最多只能安全放大約 +3 dB（約 140%）。

峰值相同，為什麼聽起來響度差很多？

到此為止我們討論的都是峰值（Peak）——信號瞬間能達到的最大幅度。但峰值並不等於人耳感受到的「響」。

設想兩段音頻：一段是持續穩定的談話，一段是偶爾幾聲鼓點、其餘時間很安靜。它們的峰值可能完全相同（鼓點和說話的最高音都頂到 -3 dBFS），但聽起來前者明顯「更響」。原因在於：

• 人耳感知的是聲音的能量在一段時間內的平均，而不是瞬間峰值；
• 頻率也會影響響度感知——人耳對 2-5 kHz 的中頻最敏感，對極低頻和極高頻遲鈍（等響曲線）。

因此，只用「峰值」來描述「有多響」是不靠譜的，業界需要一個真正對齊人耳感知的度量。

響度（Loudness）與 LUFS：對齊人耳的度量

響度是為解決上述問題而生的概念，其現代標準單位是 LUFS（Loudness Units relative to Full Scale，與 LKFS 基本等價）。它由 ITU-R BS.1770 標準定義，核心做法是：

1. 對音頻施加 K 加權濾波，模擬人耳對不同頻率的敏感度差異；
2. 在時間上對能量做積分平均，並採用「門限」機制忽略過安靜的段落（避免長時間靜音拉低平均值）。

LUFS 的數值與 dBFS 一樣以 0 為頂、向下為負，但它度量的是感知響度而非峰值幅度。兩個關鍵直覺：

• 節目 A 為 -14 LUFS，節目 B 為 -20 LUFS，則 A 聽起來大約比 B 響 6 個響度單位（1 LU ≈ 1 dB 的響度變化）；
• 峰值高但內容稀疏的音頻，LUFS 值往往很低；峰值不高但持續飽滿的音頻，LUFS 值反而高。

與響度相伴的還有兩個實用指標：

• 真實峰值（True Peak, dBTP）：考慮數位信號在數模轉換時可能出現的「採樣點之間的峰值」，比樣本峰值更嚴格。平台和母帶處理通常要求真實峰值不超過 -1 dBTP。
• 響度範圍（LRA, Loudness Range）：描述節目內部響度的起伏大小。電影 LRA 大（安靜對白到爆炸場面），廣告和流行音樂 LRA 小（全程都很響）。

響度歸一化：平台在後台替你做的事

響度歸一化（Loudness Normalization）是指把音頻統一調整到目標響度的處理。它與「峰值歸一化」（把所有文件的峰值拉到同一高度）完全不同——後者不解決聽感不一致的問題。

各主流平台的響度目標（供參考，以官方最新文檔為準）：

這意味著一件重要的事：把音樂或視頻的響度做得遠超平台目標是沒有意義的——平台會自動把它調低，而你為「更大聲」付出的動態範圍壓縮代價卻白白付出了。把內容做到接近平台目標響度、真實峰值留 1 dB 餘量，才是現代分發的正確姿勢。

動態範圍：響與靜之間的空間

動態範圍（Dynamic Range）指音頻中最響與最安靜部分之間的差距（以 dB 表示）：

• 交響樂現場：動態範圍可達 40-60 dB，弱音段落若隱若現，強奏排山倒海；
• 流行音樂成品：常被壓縮到 6-10 dB，全程維持高響度；
• 語音播客：通常 10-20 dB，保證各種環境下都聽得清。

這裡要特別澄清一個常見混淆：動態範圍壓縮（Dynamics Compression）與文件壓縮（如 MP3）完全是兩回事。前者是縮小音量起伏的音頻效果器（Compressor），後者是減小文件體積的編碼技術，兩者除了名字都帶「壓縮」外毫無關係。

上世紀末到本世紀初，音樂行業曾爆發「響度戰爭」（Loudness War）——各家拼命壓縮動態範圍把響度做滿，以求在電台和播放器裡「壓過」別家，結果犧牲了音樂的起伏美感。流媒體響度歸一化的普及，正在終結這場戰爭。

常見誤區

1. 「音量拉到最大總沒錯」：超過 0 dBFS 即削波失真，且不可逆。增益前先確認峰值餘量。
2. 「分貝和百分比可以直接換算成聽感」：+6 dB 是幅度翻倍，但聽感上遠不到「響一倍」（約需 +10 dB）。
3. 「峰值拉齊了，響度就一致了」：峰值歸一化不管用，響度一致必須看 LUFS。
4. 「把 MP3 反覆調大增益沒關係」：每次重新編碼有損格式都會累積質量損失，應盡量從原始文件一次性處理。
5. 「響度越大越好」：平台歸一化會抹平你的優勢，過度壓縮的動態損傷卻是自己的。

實用建議

• 留頭部餘量（Headroom）：製作和導出時讓峰值保持在 -1 dBTP 以下，為編碼和播放鏈路留出安全空間。
• 按目標平台定響度：視頻配樂參考 -14 LUFS，播客參考 -16 LUFS，不必盲目做響。
• 調增益而非反覆重編碼：調整音量屬於增益處理，從原始文件一次到位，避免有損格式的代際損失。
• 放大前先測峰值：增益上限 = 0 dBFS - 當前峰值（再預留 1 dB 更穩妥）。
• 試聽不同設備：手機外放、耳機、車載音響的頻響差異巨大，重要內容至少在兩種設備上驗證。
• 語音優先保清晰：對語音內容，適度壓縮動態範圍（讓輕聲部分也聽得清）比單純調大音量更有效。

相關閱讀

• 音頻剪輯與合併：聲音的裁剪與拼接 —— 零交叉點、淡入淡出與音頻格式的選擇
• 音頻變速與變調：時間拉伸的藝術 —— 改變速度時聲音發生了什麼

如果你只是想快速調整一段音頻的音量，可以使用本站的音量調節工具——現在你知道了，那個「音量百分比」滑塊背後是增益與分貝的對數世界，而 150% 大約只是 +3.5 dB 的溫和提升。

相關工具

• 音量調整
• 新增音樂