Auto-Tune 是一項產品，不是一種技術
Auto-Tune 是一套特定的軟體，由 Antares Audio Technologies 開發並註冊商標，用來修正錄好的人聲的音高。它不是這個處理過程的名稱。這個過程叫做音準修正，或人聲修音，而做這件事的產品非常多：Auto-Tune 只是第一個好用到出名的，於是它的名字黏在整個類別上，就像在英文裡，Hoover 成了吸塵器的代名詞。
這個區別比聽起來重要，因為大家說「autotune」時，指的大多根本不是音準修正。他們指的是它的某一種極端設定：Cher、T-Pain 和無數模仿者的唱片裡，那種生硬、一階一階、充滿合成感的聲音。一般的音準修正，照大多數唱片的用法，是完全聽不出來的，而用到它的音樂，比你猜想的多得多。
所以，一個詞底下其實是三件不同的東西：這家公司的產品、這項通用的技術，以及一種著名的效果：這項產品做得出來，但通常沒有人要它這麼做。三者背後的機制是一樣的，值得好好弄懂一次。
從震測資料，到一張 Cher 的唱片
Auto-Tune 的發明者是 Andy Hildebrand，一位研究工程師，他整個職業生涯都在石油產業處理震測資料：把聲波送進地底，再解讀反射回來的訊號，以找出礦藏。做這件事的數學工具是自相關：讓一個訊號和它自己錯開滑動，找出它重複得最吻合的那個間隔。
反射衝擊波裡的重複間隔，告訴你的是岩層的狀況。同樣的測量用在人聲上，告訴你的就是音高，因為音高就是波形重複的速率。Hildebrand 發現這項技術可以移用過來，而 Antares 在 1997 年推出了 Auto-Tune。
它的本意是透明：修正一個稍微偏低的音，其他一切維持原樣。讓它出名的，卻是有人把它開到最大。1998 年，Cher 的〈Believe〉用了修正（retune）控制的最極端設定，做出一種在精確音高之間瞬間跳動、中間沒有任何人聲滑音的聲音。製作人起初說這個聲音來自一個聲碼器效果器。其實那是 Auto-Tune；不到十年，T-Pain 就靠同一個設定闖出一番事業，Kanye West 也用它做了一整張專輯。
一個為了不被察覺而打造的工具，卻因為極度容易被察覺而出名，這就是為什麼這個詞現在的意思，和這套軟體原本的用途正好相反。
它對人聲做了什麼
三個步驟，而每一套這類產品都是同樣的三步。軟體先算出人聲在每一刻唱的是什麼音高；再決定這個音應該是什麼音高；然後以修正後的音高重新產生音訊，同時不改變時間。
第一步和第三步，是已經解決的工程問題。中間那一步是音樂上的判斷，而幾乎每一條聽起來很糟的修音人聲，都出在這一步。維持預設的話，軟體會以半音階裡最近的音為目標：12 個半音隨時都可以選。如果歌手想唱 C，卻唱得稍微偏低，最近的半音可能是 B，而軟體會毫不猶豫地把這個音拉到 B：現在它穩穩地和什麼都不合，而且錯得比原本那一點偏低嚴重得多。
告訴它歌曲的調性，就能排除這一整類失誤。〈音準修正到底是怎麼運作的〉完整說明了這三個步驟，包括音階選擇、和弦軌，以及為什麼保留共振峰，才能讓移過音高的音聽起來不像個子更小的人在唱。
機器人聲效果來自一個控制項
這是關於這類工具最有用的一件事，而它幾乎被所有人誤解：那個著名的聲音，不是把人聲修得太重的結果，而是修得太快的結果。
這裡牽涉兩個不同的控制項。強度：一個音朝目標移動多遠。修正速度（retune speed）：軟體決定移動它之後，它多快到達目標。
人聲從來不會瞬間到達一個音高。它會從下方滑進來，稍微衝過頭，再穩定下來，然後加上顫音。這些過渡承載了一個樂句裡大部分的表情；兩個音之間的滑音（portamento），往往是一條人聲裡最有人味的部分。
把修正速度設慢，軟體就會等滑音過去，只修正音符持續的中段。聽眾除了一位音準準確的歌手，什麼也聽不到。把修正速度設成 0，每一個過渡都會被量化：人聲在精確的音高之間跳動，完全沒有滑音。因為人聲在生理上根本做不到這件事，耳朵立刻就認出這是機器。
這代表：強的修正搭配慢的修正速度，是透明的；弱的修正搭配瞬間的修正速度，則一聽就知道處理過。如果修過音的人聲聽起來像機器人，而你並不想要這樣，該調的控制項是修正速度，而不是強度。
自動和手動是兩種不同的工作
這個類別的產品通常提供兩種工作方式，各自適合不同的問題。
- 自動。你設定調性和音階，軟體就依此即時修正所有東西。速度快，適合粗略的人聲或刻意要做的效果，但它不分青紅皂白：會把藍調音、刻意的滑音、從下方滑進一個音的上滑音，連同真正的錯誤一起「修正」掉。
- 手動或圖形化。軟體畫出它偵測到的音高曲線，由你一個音一個音地編輯，只移動錯的地方。比較慢，但要修音又不抹平演唱裡刻意為之的部分，這是唯一的方法。
大部分專業的修音屬於第二種，只用在一軌錄音裡的四、五個音上，而不是整軌。如果一個工具不讓你看音高曲線，你就是在盲目相信它的音符切分：而切分正是它會把轉音讀錯的地方。正因為如此，Euphona 的人聲修音會在追蹤到的曲線上切分音符，並在每個音符起點重新開始修正，預設的修正速度也是溫和的，而不是瞬間的。
這個類別裡的其他工具
Auto-Tune 只是眾多產品中的一項，用它來稱呼整個類別，會掩蓋做法上一些真實的差異。
- Celemony Melodyne 把圖形化的做法推得最遠，還能分開和弦裡的個別音符：這和修正一條單音旋律，是真正不同的能力。
- DAW 內建的工具。Logic、Cubase 和大多數其他主要的宿主軟體，都內建音高編輯器。如果只是修幾個音，這些通常就夠用，而且你已經有了。
- 對齊工具處理的是相鄰的時間問題：把疊唱或和聲對齊到主唱錄音上，而不是對齊到格線上，而疊唱通常就是為此而存在。
- 以模型為基礎的修音工具，包括我們的，會在傳統的估算器前面，加上一個經過訓練的音高追蹤器，而不是只依賴自相關。差別會出現在困難的素材上，氣音唱法、嘶吼、一個音最初的幾毫秒，傳統的追蹤在這些地方會發生八度誤判。它們也往往是依用量計費，而不是販售授權，所以拿它們和永久授權比較，要看你修音的量有多少，沒有一概而論的答案。
這些都不是 Auto-Tune，也都不該被叫做 Auto-Tune。它們是音準修正工具，而 Auto-Tune 是 Antares 的。
刻意做出這個效果
機器人聲效果是一種正當的製作選擇，已經有 30 年的歷史，而如果瞄錯了控制項，就很容易做錯。
- 把修正速度設成 0。效果就來自這裡，其他都是次要的。
- 設定一個窄的音階。只有階梯之間相距夠遠，跳動才聽得出來。半音階給人聲 12 個鄰近的目標，跳動會小到聽不出來；歌曲的大調或小調音階給它 7 個，五聲音階又更少。去掉的音越多，效果越強。
- 唱得比自然的感覺更直一點。這個效果在顫音少、音程跳躍刻意又寬的演唱上最明顯，因為軟體有明顯的東西可以去「卡」。
- 保持乾聲，或之後再處理。在修音工具之前就已經錄進去的殘響，會讓音高追蹤器混淆。先修音，再做處理：而如果這軌錄音本來就帶著房間聲，去殘響要放在修音工具之前，而不是之後。
這個效果既是人聲的決定，也是混音的決定，而且曲目完成之後，它的表現會不一樣：做成機器人聲效果的人聲，聲音密實又明亮，而母帶還能為此改變的部分，比大家預期的少。
修到沒有人聽得出來
相反的目標，也是大多數唱片真正想要的。
- 從最好的那一軌錄音開始。修正修的是音高。它修不了樂句處理、節奏、音色或說服力，而這些才是讓一條人聲出色的東西：而且在麥克風前出的錯，大部分事後根本無法修正。
- 一定要設定調性和音階。半音階這個預設，是大多數糟糕結果的來源。
- 把修正速度放慢，除非你就是要那個效果。
- 只修錯的音。大多數錄音只有四、五個音需要修；大多數軟體卻很樂意把所有的音都處理一遍。
- 保護顫音。顫音是刻意的音高調變，快的修正速度會把它當成錯誤並抹平。
- 放在混音裡判斷。單獨聽（solo）人聲，會暴露每一個處理痕跡；放在曲目裡聽，暴露的才是真的會被聽到的那些。如果人聲在和編曲打架，而不是和修音打架，那是 EQ 的問題，不是音高的問題。
- 保留沒有處理過的錄音。一個星期後你會想比較，而且有時候你會比較喜歡原本的版本。
有一種情況值得單獨提醒：替一條還嵌在完成的雙軌混音裡的人聲修音。追蹤器得應付其他所有樂器，它會跟著它找得到的最大聲、有音高的東西走。先把人聲分離出來，問題就變得可以處理：不過一條被取出來再重新加總的人聲，永遠不會和原本的錄音完全一樣，原因就在分離本身的極限裡。如果你有多軌工程，就用多軌。如果你只是想聽聽分離得夠不夠乾淨、值不值得修音，免費的去人聲工具會做 2 軌分離，幾分鐘內就能回答，不需要帳號。
Autotune、auto-tune、Auto-Tune
這三種寫法都很常見，而它們的意思不完全一樣。產品是 Auto-Tune，字首大寫、中間有連字號，屬於 Antares。Autotune 寫成一個字、全部小寫，是大多數人想說那個效果或這種做法時打的字。Auto-tune 在英文裡當動詞用，意思是套用這種處理。
我們用「音準修正」和「人聲修音」稱呼這項技術，並把我們自己的工具叫做修音工具，因為這些才是準確的說法，而那個品牌名稱不是我們可以拿來用的。如果你是搜尋「autotune」這個詞來到這裡的，這就是你在找的東西：而〈音準修正到底是怎麼運作的〉對它的運作方式，有更完整的回答。
繼續閱讀