流媒体的响度归一化：一份写给中文母带与混音工程师的技术参考

简短回答

先把真峰值（true peak，重建后的模拟波形的实际峰值）上限钉死在 −1 dBTP；如果你的母带整体响度大于 −14 LUFS，Spotify 要求你把它压到 −2 dBTP 以下。整体响度（integrated loudness，工程师口语里常直接说 "integrated"）不需要硬凑到某个数字上——让音乐自己落在哪儿就是哪儿。真要一个公开发布的目标值：AES TD1008 对音乐推荐 −16 LUFS，Spotify 在播放端把音轨归一化到 −14 LUFS。所有主流流媒体都会在播放时把响的母带调小，所以一张推到 −6 LUFS 的母带并不会比 −14 LUFS 的那张放得更响，它只是以同样的响度、更小的动态范围（dynamic range）播出来。过度使用限制器（limiter）买到的不是响度，是平坦。 正确的数字不存在，正确的做法只有一个：先定上限，再按音乐做母带，最后才去测。

一、这是一道算术题，不是审美之争

做播放归一化的服务，会测量你这首曲子的整体响度，跟自己的目标值比较，然后在播放时给整个文件加上一个固定增益。以 Spotify 的 −14 LUFS 为例：

把同一版混音做成两张母带来看。母带甲：整体 −14 LUFS，峰值 −1 dBTP，峰值–响度比（PLR，peak-to-loudness ratio）13 LU。母带乙：同一混音推到 −8 LUFS，同样 −1 dBTP 上限，PLR 只剩 7 LU。在 −14 LUFS 的目标下，母带乙被衰减 6 dB，它的峰值落到 −7 dBTP，它的响度和母带甲完全一样。限制器抹掉的那 6 dB 波峰因数（crest factor，也写作峰值因数）就这么没了，播放链路上没有任何环节会把它还给你。

响度归一化把"响度战争"变成了"动态范围战争"，而在这场战争里，最响的那张母带自动出局。 整个论证到此为止，它不依赖任何人的口味。

比这条警告更有用的是它的反面。既然播放电平由服务决定，那么母带的电平已经不再是竞争变量。还在竞争的是过去被电平吃掉的那些东西：瞬态（transient，起音的头几毫秒）的清晰度、一记板鼓打在持续的京胡上的分量、主歌和副歌之间的落差、人声是站在乐队前面还是被压进乐队里。在归一化之下，你关于响度所做的全部决定里，听众唯一还能听见的部分是 PLR。

两个必须说清楚的限定条件。第一，归一化是可以被绕过的：听众可以在客户端关掉它，而 DJ 软件、影视同步、下载后用车机 AUX 播放的文件，本来就不经过它。第二，也是更重要的一条：向上归一化（upward normalisation）确实存在，但它是有条件的。 Spotify 在其页面上明确写着 "Positive gain is applied to softer masters so the loudness level is -14 dB LUFS"（对更轻的母带施加正增益，使响度达到 −14 dB LUFS），但紧接着又写 "We consider the headroom of the track, and leave 1 dB headroom for lossy encodings to preserve audio quality."（我们会考虑音轨的余量，并为有损编码保留 1 dB 余量以维持音质。）所以一张很轻但峰值很高的母带，可能不会被抬到目标值。这正是"反正它会给我抬上去，那我就做到 −24 LUFS"这个想法错在哪里：它可能抬不满。反过来说，"轻的母带不会被抬"也是错的。两句话都不能写。

二、短视频思路做出来的母带，交到流媒体上到底亏在哪

中文市场有一个绕不开的现实：大量华语作品的母带，是按照在短视频平台和手机外放里够响这个标准做出来的，然后原封不动地交付给流媒体。这不是审美问题，是发行流程的问题——很多项目从头到尾只有一版母带。

先说清楚事实边界：抖音、快手、B 站、小红书等平台都没有公布过任何响度归一化规范。 网上流传的各种数值都是第三方测量或者传言，本文不引用。这里唯一能确定的是：你在为一个没有公开文档的目标做母带，然后把它交给一个有公开文档的目标（Spotify 的 −14 LUFS）。

那就把账算出来。假设一张典型的"短视频响度"母带：整体 −6 LUFS，限制器上限设在 −0.3 dBFS（注意，这是采样峰值，不是真峰值），PLR 大约 5.7 LU。

1. 播放增益。 Spotify 目标 −14 LUFS，施加 −8 dB。它和一张 −14 LUFS 的母带放出来一样响。为了那 8 dB 你付出的全部代价，听众一分钱好处都没拿到。
2. 峰值落点。 衰减之后峰值落在 −8.3 dB 左右，而一张 −13 LUFS、−1 dBTP 的母带衰减 1 dB 后峰值在 −2 dBTP。后者在同样响度下保留了大约 6 dB 的波峰因数。
3. 交付本身就不合规。 因为母带响过 −14 LUFS，Spotify 明确要求真峰值低于 −2 dBTP。−0.3 dBFS 的采样峰值上限意味着真峰值几乎肯定在 0 dBTP 以上（见第六节），距离 −2 dBTP 差了两个多 dB。
4. 有损编码的过冲。 这一版母带被压得越狠，AAC / Ogg Vorbis 解码后的过冲越大，而它离 0 dBFS 又最近。削波（clipping）就发生在解码器输出上，母带文件里干干净净，你在 DAW 里永远看不到它。
5. 动态代价。 从 −13 LUFS 推到 −6 LUFS，多出来的 7 dB 全部由限制器承担。对一首有真实打击乐的编曲来说，这 7 dB 基本上就是全部的瞬态余量。

结论很朴素：手机外放的响度感来自能量密度和中频集中度，不来自整体电平；而整体电平恰恰是流媒体唯一会拿走的东西。 如果一定要为短视频单出一版，那就单出一版；不要用那一版去做流媒体交付。

三、LUFS 到底测的是什么

LUFS 是 Loudness Units relative to Full Scale（相对满刻度的响度单位）。LKFS（Loudness, K-weighted, relative to Full Scale）是同一个单位的另一个名字，ITU 的文件用 LKFS，EBU 的文件用 LUFS，数值完全相同。LU 和 dB 一样大——1 个响度单位等于 1 分贝——但 LUFS 是绝对刻度，LU 是相对刻度。 "+3 LU" 和 "+3 dB" 是同一个量；"−14 LUFS" 和 "−14 dB" 完全是两回事。

ITU-R BS.1770 定义的测量既不是 RMS 也不是峰值。它是经过滤波之后的信号的均方值，按声道加权求和，再在时间轴上做门限（gating）。它和普通 RMS 表的区别就在三处：K 计权滤波器、声道求和、两道门限。误解几乎全部集中在滤波器和门限上。

3.1 K 计权：两级滤波器

K 计权是在取均方值之前、对每个声道施加的恰好两级二阶滤波器级联。

第一级——"头部"滤波器（head filter）。 一个高频搁架（high-shelf），把频谱上端抬起来。48 kHz 下公布的系数是 b0 = 1.53512485958697，b1 = −2.69169618940638，b2 = 1.19839281085285，a1 = −1.69065929318241，a2 = 0.73248077421585。它模拟的是人头在声场中的声学效应——遮挡与绕射使真人对正前方来的高频比裸麦克风更敏感。

第二级——RLB 高通。 RLB 是 Revised Low-frequency B-curve（修正的低频 B 曲线），一个把低端滚降掉的高通。它体现的事实是：低频对主观响度的贡献低于它的能量占比。这就是为什么一首超低频巨大的曲子在夜店里体感极响，在响度表上却读得偏轻——很多做电子和嘻哈的工程师第一次看表时都会觉得表坏了。

K 计权曲线在 1 kHz 处的增益是 +0.698 dB，线性系数 1.0836。 这不是随便定的常数，它是搁架和高通在该频点响应的自然结果。整条链路的实际后果是：把一个满刻度 1 kHz 正弦送进立体声对的其中一个声道，表读数是 −3.01 LKFS，与 BS.1770-5 的表述一致——这个 −3.01 来自"二声道里只有一路有信号"的求和，不是来自滤波器。

3.2 为什么要有这条曲线

不加权的 RMS 表会告诉你，同样幅度的 40 Hz 正弦和 3 kHz 正弦一样响。没有一个听众同意。K 计权是对等响曲线行为的一个刻意粗糙的近似——比 Fletcher-Munson 曲线简单得多，而且故意做得这么简单，好让全世界各家独立实现的表在零点几 LU 之内彼此吻合。K 计权不是要精确地建模听觉，而是要让全世界所有的表以同一种方式不精确，这才是它有效的原因。 两台合规的表测同一个文件，读数一致到足以支撑跨服务比较。

3.3 适用的是哪一版

BS.1770 一共有六个版本：-0（2006）、-1（2007）、-2（2011）、-3（2012）、-4（2015-10）、-5（2023-11）。目前生效的是 BS.1770-5（2023 年 11 月）；BS.1770-4 已被取代，尽管市面上大多数已部署的表在说明书里引用的仍然是 -4。 本文描述的每一条机制——两级滤波器、400 ms 块、两道门限、4 倍过采样下限——都是对照 BS.1770-5 正式文本核对过的。

四、两道门限，完整说一遍

门限是这份规范里最常被讲错的部分，连一些相当严谨的资料也讲错。整体响度是一个双重门限的测量。

第一步：分块

信号被切成 400 ms 的门限块，重叠 75%。400 ms 块重叠 75%，意味着每 100 ms 开始一个新块。每个块各自算出自己的 K 计权均方响度值。这个重叠不是装饰：它防止一个恰好跨在块边界上的强事件被切成两半从而被低估。

第二步：绝对门限

任何低于 −70 LKFS 的块被丢弃，不再参与后续计算。 这一步剔除的是数字静音、淡出尾巴、房间底噪和曲目之间的空白，使得一首带长静音尾巴的曲子不会比裁剪过的同一首测得更轻。

第三步：相对门限——这一步通常被写错

取通过了绝对门限的那些块的平均响度，减去 10，得到相对阈值。低于该阈值的块全部丢弃。整体响度是同时通过两道门限的那些块的平均值。

区别在这里，而且经常被丢掉：相对门限是在"绝对门限之后的平均值"下方 10 LU，不是在整个文件未经门限的平均值下方 10 LU。 BS.1770-5 明确说相对阈值是把绝对门限测量的结果"减去 10"得到的。如果你把所有块（包括那些低于 −70 LKFS 的）都算进平均，你会得到一个更低的平均值、一个更低的阈值、更多被放进来的安静块，以及一个偏低的整体读数——而且文件里静音越多，误差越大。这是两台表在同一个文件上读数不一致的头号原因。

−10 LU 相对门限带来的一个听觉后果值得记牢：你这首曲子的整体响度，实际上是它"响的部分"的平均响度，而不是整首曲子的平均响度。 一首有 40 秒气声低语开头、再接一堵墙一样的副歌的作品，几乎完全是按它的副歌被测量的。这就是为什么在一张做完的母带前面加一段安静的引子，整体读数几乎不动；而期待它会动的工程师会很意外。

五、瞬时、短时、整体：什么时候看哪块表——以京剧为例

三个时间窗是标准化的，它们回答三个不同的问题。EBU Tech 3341 定义了这几种表的行为。

瞬时（Momentary, M）——400 ms，不做门限。 和门限块同一个窗长。瞬时响度跟踪的是单个事件：一记板鼓、一个人声爆破音、一个正拍。用它来抓东西——比周围高出 6 LU 的一记底鼓、一个突然跳出来的段落。不要用它做电平决定，它太跳了，追着瞬时表做母带，做出来的正是归一化要惩罚的那种东西。

短时（Short-term, S）——3 s，不做门限。 三秒大致是一个乐句。短时响度才是曲内平衡决策该看的表，因为三秒正是听众真正把一个段落感知为"响"或"轻"的时间尺度。 用短时表比较主歌和副歌，检查桥段有没有塌下去，把编曲的形状看成数字。

整体（Integrated, I）——整个节目，双重门限。 这是服务用来做归一化的数字，也是唯一该写进交付规格里的数字。从第一个采样测到最后一个采样，不要只测选中的一段。整体响度是交付规格，不是混音工具；如果你在干活的时候盯着它，你盯错表了。

5.1 文场与武场：为什么京剧是这套时间窗的极限考题

京剧的伴奏结构天然把这三块表分开了。文场是京胡、月琴、三弦（有时加笛、笙），武场是板鼓、大锣、小锣、铙钹。这两组不是"主奏与伴奏"的关系，而是两个电平世界。

下面这组数字是为了说明量级而设的算例，不是任何公布的统计：

也就是说，大锣的一记和板鼓的一击，比它们所依托的京胡伴奏高出 20 LU 以上，而整个剧种的戏剧张力恰恰建立在这个落差上。你在文场把电平推上去，武场就没地方去；你为了让武场不炸而全局压缩，文场的京胡就会被顶到前面来，那种"锣鼓一响、满台立住"的感觉当场消失。

正确的做法是分表分工：用短时表决定文场唱腔的段落平衡，用瞬时表去看武场那几击有没有把限制器打穿，用整体表在最后验一次数。 反过来做，你会得到一张所有段落一样响的京剧录音——技术上没有一处错，艺术上什么都不剩。

一条实用规矩：用短时混音和做母带，用整体验收，用瞬时查异常。

六、响度范围（LRA）与 −20 LU 门限

响度范围（Loudness Range，LRA）由 EBU Tech 3342 规定，用一个数字描述曲子的响度随时间变化的幅度。它由短时（3 s）响度值的分布计算而来：LRA 是该分布的第 10 百分位与第 95 百分位估计值之差，正因如此，两端的短暂极值不会主导结果。

LRA 有自己的门限，而且它和整体响度的门限不一样。Tech 3342 把 LRA 的相对阈值设在绝对门限响度下方 −20 LU，不是 −10 LU。 这个更宽的门限是刻意的：LRA 要刻画的是"变化"，所以它必须放进那些整体测量刻意排除掉的较安静段落。

这是一个真实存在的实现缺陷，不是理论问题。把整体响度的 −10 LU 相对门限拿来复用给 LRA 的表，报出的数值会系统性偏小，因为它恰好把构成"范围"的那部分安静素材扔掉了。如果你的表在同一个文件上报出的 LRA 明显低于另一台表，第一个该怀疑的就是它在该用 −20 LU 的地方用了 −10 LU。 这个你自己就能验：在曲子后面接上 20 秒比主体低 15 LU 的素材。实现正确的表，LRA 会明显上升；坏掉的表几乎不动。

作为方位感而非目标值：压得很狠的电子与流行母带常落在 3–5 LU，控制良好的全频段混音在 6–9 LU，管弦乐与原声录音经常在 12 LU 以上。

中文语境里，这条刻度的两端非常清楚。一端是京剧、民乐大合奏这类以对比为结构的形式——一段做得诚实的京剧现场，LRA 落在两位数是正常的，不是"没做完"。 另一端是民谣和原声创作歌手的录音：一把木吉他、一个人声、也许一把口琴，动态起伏本来就小，LRA 天然就窄，把它硬推到 −7 LUFS 只会让指板噪音、拨片声和呼吸声全部被顶到和人声一样响，听感上像有人把耳朵贴在琴箱上。民谣的问题从来不是不够响，是被压得没有房间感。 LRA 是描述性的；追求一个特定的 LRA 数字和追求一个特定的 LUFS 数字一样没有道理。

七、真峰值与采样峰值：唢呐是这一节的主角

7.1 两者的区别

采样峰值（sample peak）表报告的是文件里绝对值最大的那个采样点。那不是信号真正到达过的最大值：采样点只是连续波形上的一些点，两个采样点之间的波形完全可以高过它们两个。重建出来的模拟波形可以超过文件里最高的那个采样值，而采样峰值表在结构上就不可能看见它。 这些越界叫做采样间峰值（inter-sample peaks），重建波形的电平就是真峰值，单位 dBTP。

一个在数字上"安全"的文件，采样点最高只到 −0.1 dBFS，它的真峰值完全可能远高于 0 dBTP。文件里什么都没削掉。而下游每一个要重建波形的环节——DAC、采样率转换器、有损解码器——都可能把它削掉。

7.2 唢呐：一件让采样峰值表彻底失效的乐器

唢呐大概是当今仍在常规使用的所有原声乐器里最响、瞬态最密集的一件。 它的问题不是"音量大"，而是它同时满足了产生采样间峰值的每一个条件：

• 起音极陡。 一个吹奏得干净的唢呐音头，从底噪到满功率只用几毫秒。陡峭的起音在频域上就是宽带内容，宽带内容里高频分量密集——而高频分量恰恰是采样点之间波形起伏最大的地方。
• 谐波极其丰富且延伸得很高。 唢呐的哨片与铜碗把大量能量推到接近奈奎斯特频率。当一个分量的频率接近采样率的一半，它在两个采样点之间的真实峰值可以显著高于任何一个采样点。
• 它天生就在拼响度。 唢呐是户外乐器，红白喜事、庙会、鼓吹乐班的场合决定了它的演奏方式就是往上顶。录音时话筒前的声压极高，工程师的第一反应通常是把推子往下拉，然后在母带阶段又用限制器把它推回来。

具体的量级（同样是算例）：一段唢呐独奏，采样峰值表读 −0.3 dBFS，看起来还有余量；同一个文件用 8 倍过采样的真峰值表去测，读 +0.8 dBTP。文件里没有一个采样点越界，但重建后的波形已经越界超过 1 dB 了。把它交给 AAC 编码，解码端的过冲会在这个基础上再叠加，削波就发生在听众的手机里。你在 DAW 里永远看不到这次削波，因为它不在你的文件里。

还有第二重代价，纯技术之外：限制器会把唢呐的音头变成一堵墙。 唢呐的表现力有很大一部分在那个音头的形状——它是抹上去的、还是顶上去的、有没有那一下"炸"。限制器一介入，所有音头被削到同一个高度，唢呐听起来就不再像唢呐，而像一件被塞进罐头里的、音色很尖的合成音源。这是母带阶段最容易在不知不觉中做掉的一件事：你解决了一个电平问题，同时删掉了这件乐器之所以是这件乐器的原因。

处理办法不是"少压一点"这种含糊话，而是：把唢呐的动态控制放到混音阶段用自动化和分频处理来做，让总线限制器在唢呐进来的时候几乎不动作。 母带的限制器不该是第一道防线。

7.3 为什么必须过采样

要看见真峰值，你必须把采样点之间的波形重建出来。BS.1770 规定的做法就是过采样（oversampling）：在 48 kHz 下最低 4 倍过采样，同时建议指出 "Higher sampling rates and over-sampling ratios are preferred."（更高的采样率与过采样倍数更佳。）4 倍是合规下限，不是准确答案；在 4 倍下，测量仍可能把真实峰值低读零点几个 dB。如果你的表提供 8 倍或 16 倍，就用 8 倍或 16 倍；多出来的 CPU 开销微不足道，多出来的准确度不是。 一块没有明确的 true peak / dBTP 模式的表，就是一块采样峰值表，不管说明书怎么写。

7.4 有损编码为什么会抬高峰值

有损编码器——AAC、Ogg Vorbis、MP3——不会逐采样地复现波形，它复现的是一个感知上相似的波形，而解码器的输出常规性地超过编码器的输入。这个过冲不是缺陷，而是量化和丢弃频谱细节不可避免的后果，并且它的幅度随源素材被压得多狠而增大。一张正好做到 0.0 dBTP 的母带，解码出来峰值在 0 dBFS 之上，解码器把它削掉。

每一份处理到这一点的公开规范说的都是同一件事。AES TD1008："For all content, it is recommended that the Maximum True Peak level not exceed −1 dBTP at the codec input of lossy-encoded streams."（对所有内容，建议在有损编码流的编解码器输入端，最大真峰值不超过 −1 dBTP。）Spotify：真峰值保持在 "below −1dB TP (True Peak) max"，且对响过 −14 LUFS 的母带，"keep True Peak below −2dB to avoid extra distortion."（把真峰值保持在 −2 dB 以下以避免额外失真。）

7.5 到底该设多少

普通母带把限制器的真峰值上限设为 −1.0 dBTP；如果整体响度大于 −14 LUFS，设为 −2.0 dBTP。 这不是迷信性的裕量，两个数字都来自上面的公开要求，而第二个之所以存在，正是因为压得更狠的素材在编解码环节过冲更大。

两条脚注。第一，把上限设在 −0.1 dBTP 对流媒体交付来说是一个错误，不是一种风格选择。第二，一台设在 −1.0 dBTP 的限制器必须真的是真峰值限制器：很多限制器的 ceiling 控制是采样峰值的，你把它设成 −1.0，得到的采样间峰值会在 −0.5 dBTP 上方某处。

如果你想检查一个做完的文件：mazufa.com 提供一个免费的浏览器端响度与真峰值检查工具，全部计算在你自己的设备上完成，不上传任何音频。

八、各家服务实际公布了什么

"公布"和"广泛流传"的区别是这一节里最重要的东西，而几乎所有关于这个话题的中文文章都没有守住这条线。

8.1 有公开规范的

Spotify。 目标：整体 −14 LUFS。Spotify 说明它把音轨调整到 "−14 dB LUFS"，并按 "the ITU 1770 standard" 测量。真峰值上限：低于 −1 dBTP；对响过 −14 LUFS 的母带，低于 −2 dBTP。Spotify 同时说明 "positive gain is applied to softer masters so the loudness level is −14 dB LUFS"，但附带余量（headroom，中文口语里常说"动态余量"或直接说"留头"）限制："We consider the headroom of the track, and leave 1 dB headroom for lossy encodings to preserve audio quality." 关于专辑归一化，Spotify 说明专辑是作为一个整体被归一化的，使得 "the softer tracks are as soft as you intend them to be"——专辑内各曲之间的相对电平关系被保留。这一条对概念专辑、戏曲全剧录音、民乐组曲这类"曲间落差本身就是作品结构"的项目非常关键。

EBU R 128。 目标 −23 LUFS。这是广播建议，不是流媒体音乐目标，之所以在这里列出，是因为它常被误用：一张 −23 LUFS 的音乐母带并不因此更"合规"，而且因为向上归一化受余量限制，它有可能播出来比你预期的还轻。

AES TD1008（《Recommendations for Loudness of Internet Audio Streaming and On-Demand Distribution》）。这是对音乐人最有用的一份公开文件，也是被引用错得最多的一份：

• 按单曲归一化的音乐：−16 LUFS，容差 +0.2 LU。
• 按专辑归一化时，最响的一首：−14 LUFS，容差 +0.2 LU。
• 以语音为主的内容：−18 LUFS，容差 +1 LU，按对白整体响度测量。
• 最大真峰值：有损编码流的编解码器输入端 −1 dBTP。

TD1008 里的 −18 LUFS 是"以语音为主的内容"（新闻、谈话、广播剧）的目标值，把它当成音乐目标值引用是一个常见且严重的错误。 音乐的数字是 −16 LUFS。你如果看到有人把 −18 LUFS 说成 AES 的音乐建议，那份材料读错了原文。

TD1008 还有一句关于动态的明确表述值得原样引用："A recording with high peak to loudness ratio (PLR) is often perceived as clearer and less fatiguing than one that has been excessively peak-limited."（高 PLR 的录音通常被感知为更清晰、更不容易听疲劳，相比之下过度峰值限制的录音则不然。）

8.2 未公布归一化目标的服务

Apple Music、YouTube Music、Amazon Music、TIDAL、Deezer 都没有公布归一化目标值。 它们做归一化是可观察的，但具体数字不是一份公开规范，任何把某个数字当成规范来呈现的文章，都是把测量或推断当成了文件。

常见流传的数值是：Apple ≈ −16 LUFS，YouTube Music ≈ −14 LUFS，Amazon Music ≈ −14 LUFS，TIDAL ≈ −14 LUFS，Deezer ≈ −15 LUFS。这些数字广泛流传，但服务方并未公布；请把它们当作第三方对一个移动目标的观测，而不是规范。 它们来自独立测量，随时间变化过，没有任何一家服务对它们做过承诺。不要用它们去推算播放增益，也不要照着其中某一个做母带。

同样地，本文第二节已经说过：抖音、快手、B 站、小红书等中文短视频与社区平台，也没有公布过任何响度归一化规范，我们不引用任何流传的数字。

实际后果比看上去小得多：所有被报道的数字都落在 −16 到 −14 LUFS 之间，跨度 2 LU。没有哪张母带值得为 2 LU 重做。

九、实践建议

9.1 怎么决定目标

从音乐往回推，不要从数字往前推。

1. 先定上限。 −1 dBTP，真峰值，过采样。这是整张清单里唯一真正硬性的约束。
2. 按音乐做母带。 把平衡、音色、动态做对，让限制器尽可能少干活。这个阶段不要看整体响度表。
3. 测结果。 无论你落到多少整体响度，那就是你的候选值。
4. 检查范围合不合理。 如果整体值落在大约 −14 到 −9 LUFS 之间，你就处在所有公开目标和所有流传数值都相距不过几个 LU 的区间里，没有服务会对你的曲子做出剧烈动作。如果你响过 −9 LUFS，问问自己那些限制换来了什么，因为播放归一化会把电平拿回去。
5. 然后才考虑调整，而且要靠改母带来调，不是靠加限制。

"往上加限制直到表读到某个 LUFS 数字"，正是响度归一化被设计出来要让其失去意义的那种行为。 如果你需要这个数字动，用增益结构、用混音决定、用更少的压缩去让它动，不要用更多的限制。

风格类型的影响不是一个数字能概括的。密集的电子、金属和现代流行母带常落在 −10 到 −8 LUFS，因为素材本身就是持续型的；爵士、民谣、管弦乐与传统民乐落在 −18 到 −13 LUFS，因为它们不是。两者都对。错的是一张被压到 −8 LUFS 的民谣唱片，不是一张测出 −16 LUFS 的民谣唱片。

9.2 拨弦、弓噪与"噪音就是信号"

有几类中文录音里最容易被母带处理误伤的成分，值得单独点名，因为它们在频谱上看起来像噪音，在听感上却是这件乐器的身份。

古筝的义甲触弦声。 一个古筝音的前 5–10 ms 是义甲刮过弦的宽带声，之后才是琴弦的基频建立起来。把这段瞬态压掉，古筝会变成一件音高正确但没有"手"的乐器——你还能听出这是古筝，但听不出这是谁在弹。刮奏（滑音扫过全弦）尤其危险：它是一长串连续的高电平瞬态，限制器会在整个刮奏过程中持续动作，把它抹成一条平的沙沙声。

琵琶的轮指与扫弦。 轮指是五个手指依次快速触弦形成的连续音，它的听感依赖于每一次触弦的独立性。总线上一个起音时间稍慢的压缩器会把前两三个音头压住、后面的放过去，轮指听起来就变成了颤抖而不是滚动。扫弦更极端：四条弦在几毫秒内被一次扫过，这是琵琶动态范围的顶点，也是最先撞上限制器的地方。判断母带压得过不过的最快办法之一，就是听扫弦有没有变成"噗"的一声。

二胡的弓噪。 弓毛与琴弦、琴筒与蟒皮之间的摩擦声，长期被一些工程师当成需要清理的噪音去做降噪或高频衰减。它不是噪音，它是运弓信息——听众正是靠它判断力度、速度和换弓位置。把它去掉，二胡会变得"干净"而毫无表情。同样地，过度的多段压缩会在长音的持续段把弓噪抬起来（因为它是持续段里唯一的高频能量），造成一种奇怪的"沙沙作响的二胡"。

共同的原则只有一句：在这些乐器上，瞬态和摩擦声不是要被控制的副产品，它们是主奏内容。

9.3 如果母带已经压完了

你手上有一张压得很狠的成品母带，刚读完上面这些。三个诚实的选项，按推荐顺序：

从混音重做母带。 唯一真正的修复。峰值限制不可逆，被削掉的瞬态不在文件里。如果混音还在，把限制器退回去重新渲染。

只降上限，别动其他。 如果你只有母带、而它的真峰值高于 −1 dBTP，就用真峰值限制或安全增益衰减把它压到 −1 dBTP（响过 −14 LUFS 就压到 −2 dBTP），到此为止。这修的是交付错误，不假装在修动态。

什么都不做。 一张 −8 LUFS、−1 dBTP 的母带并没有坏。它播出来和别的东西一样响，只是比它本可以做到的稍微平一点——这是真实的代价，但比一次仓促的重做要小。过度限制是一次错过的机会，不是一个缺陷——文件能播，只是播得不如它本可以的那么好。

9.4 把电平和动态分开想

这两件事必须在脑子里分开，绝大多数糟糕的决定都源自把它们混为一谈。

电平是整首曲子坐在哪儿。它是一个数字，由一个推子决定，它是免费的，而且在归一化之下它由服务选、不由你选。

动态是响的部分和轻的部分之间的关系，既包括逐个瞬间的（波峰因数、PLR），也包括段落之间的（LRA）。它的创造是有成本的，它会被限制器摧毁，而且下游无法恢复。

你已经不在电平这条赛道上竞争了——服务替你定了——所以你花在电平上的每一个 dB，都是从听众根本看不见的预算里花掉的。 响度归一化没有剥夺你做出一张听起来很有劲的唱片的能力，它剥夺的是"靠响来做到这一点"的能力。现在的力度感来自编配密度、瞬态对比、中低频的重量，以及段落之间落差的大小——这些东西经过 −6 dB 的播放增益之后毫发无损。

9.5 真的不重要的事

• 精确命中某个 LUFS 数值。 不会有四舍五入，不会有审核不通过，−14.0 和 −13.4 LUFS 之间的差别听不出来。±1 LU 的容差已经很宽松，没人会注意到。
• 为不同服务做不同母带。 公开的和流传的目标值总共跨度约 2 LU。一张 −1 dBTP、动态合理的母带在所有地方都是对的。为每家服务单独做母带，是在解决一个归一化已经解决掉的问题。
• 24 bit 母带的采样率与抖动。 按混音的原生采样率交付；升采样什么也不增加，而 24 bit 的抖动远在任何能挺过分发链路的东西之下。
• −23 LUFS 这个广播数值。 除非你交的是广播，R 128 不是你的规格。
• 表头插件的牌子。 任何符合 BS.1770、带真峰值模式且过采样倍数足够的表，与另一台的差异都在零点几 LU 之内。读数不一致要去查门限或过采样的实现，不是查"质量"。

十、小结

用一台符合 BS.1770 的表在完成的母带上测整体响度。把真峰值上限设为 −1 dBTP，响过 −14 LUFS 则设为 −2 dBTP。用短时响度做平衡决定，整体响度只用于验收。记住整体响度的相对门限是在绝对门限后的平均值下方 10 LU，而 LRA 的门限是 20 LU。记住 BS.1770-5（2023 年 11 月）是现行版本，−4 只是大多数表还在引用的版本。记住向上归一化是真实存在的，但受余量限制——所以既不能指望它，也不能否认它。播放电平由服务决定，不由你决定；把原本要花在电平上的力气，花在听众还能听见的地方。

对唢呐、板鼓、大锣、琵琶扫弦这些东西来说，"听众还能听见的地方"就是那一下有没有真的响起来。

Mazufa 的发行是免费的：没有上传费、没有订阅费、没有单张发行费；唯一的扣除是所收到版税的 5%；每一份完整的申请都由人工审核。

来源

ITU-R BS.1770 —— 测量算法、K 计权、门限、真峰值

• Recommendation ITU-R BS.1770-5 (11/2023), Algorithms to measure audio programme loudness and true-peak audio level（全文 PDF）：https://www.itu.int/dms_pubrec/itu-r/rec/bs/R-REC-BS.1770-5-202311-I!!PDF-E.pdf
• BS.1770 建议书页面与版本历史（BS.1770-0 至 BS.1770-5）：https://www.itu.int/rec/R-REC-BS.1770/en

EBU —— 广播目标值、表头时间窗、响度范围

• EBU R 128, Loudness normalisation and permitted maximum level of audio signals（−23 LUFS）：https://tech.ebu.ch/publications/r128
• EBU Tech 3341, Loudness Metering: EBU Mode metering to supplement EBU R 128（瞬时 400 ms、短时 3 s）：https://tech.ebu.ch/publications/tech3341
• EBU Tech 3342, Loudness Range: A measure to supplement EBU R 128 loudness normalisation（−20 LU 门限；第 10/95 百分位）PDF：https://tech.ebu.ch/docs/tech/tech3342.pdf

AES —— 流媒体建议

• AES TD1008.1.21-9, Recommendations for Loudness of Internet Audio Streaming and On-Demand Distribution（音乐 −16 LUFS、专辑 −14 LUFS、语音 −18 LUFS、−1 dBTP）PDF：https://aes2.org/wp-content/uploads/2024/01/20210924_TD1008_v3.13.pdf
• AES TD1008 文档页：https://aes.org/technical-council/technical-document-aestd1008/

Spotify —— 已公布的归一化规范

• Spotify for Artists, Loudness normalization（−14 LUFS；−1 dBTP / −2 dBTP；正增益与余量；专辑归一化）：https://support.spotify.com/us/artists/article/loudness-normalization/

未由服务方公布的部分。 文中给出的 Apple Music、YouTube Music、Amazon Music、TIDAL、Deezer 数值属于广泛流传的第三方测量结果；本文不为其提供一手来源，因为一手来源并不存在——这些服务没有公布任何归一化规范。抖音、快手、B 站、小红书等中文平台同样没有公布归一化规范，本文因此不引用任何相关数值。