• 作者：Gordon Reid
  
• 编译：Rejor（@Evilsine）
  
• 出处：Sound On Sound

如果你有阅读本系列的前两篇文章，那么你现在应该已经了解大多数自然界中的声音，因为其发声物体的构造与特性不同，导致了其复杂的谐波结构。另外，无论你怎样演奏或者录制打击乐器，其音色都会和管弦乐器等其他「传统」乐器相比有明显差异。但为了理解并使用合成器来合成音色仅仅知道这两点还远远不够，你还需要了解如何使用控制器与调制器来塑造你听到的声音。不妨这样想：如果只需要谐波构成就能完美重现一个音色的话，那么合成器厂商就不会浪费大笔钱为他们的产品添加滤波器和包络发生器等等「没用」的功能了。那么本文就让我们来看看如何为冰冷的振荡器声音添彩，合成出更加自然、生动的音色吧。

没有声音可以完全用其谐波构成来定义。尽管是音调和音量听起来都没有变化的声音，也肯定有声音开始与结束的阶段，也就是说它的响度一定会有一个动态的轮廓。 

抛开声音开始与终止的阶段不谈，如果一个声音的音色完全保持静止，那么从音乐角度上讲这一定是一个无聊的声音。由于自然界中不存在完全静止或停滞的声音，所以你很可能只能够通过信号发生器（比如模拟合成器的振荡器）才可以听到这样的声音。信号发生器可以产生波动的电压，将其使用放大器放大之后使用扬声器播放，即可将电压转化为你可以听到的声音（见图 1）。

让我们把这一过程变得有趣一些，假设图 1 中的放大器就是你音响的放大器，虽然信号发生器正在生成一个音调，但是音量旋钮被拧到了零点，所以你现在听不到任何声音。现在想象你顺时针转动音量旋钮，到音量最大的位置之后再将其逆时针拧回零点，这一过程中声音由零渐渐变大，然后又渐渐再次静止。

如图 2，上述过程中转动放大器的旋钮实际上是为放大器添加了一个控制器，从而使得音频信号随之更改。但是每演奏一个音符都要手动转动一次旋钮显然并不现实，也很难保证每次都能得到理想、精确的结果。你需要一个精准的控制器信号来控制声音的响度，因此我们需要引入电压控制（Voltage Control）这一重要概念。 

想象图 2 中的控制器也是一种波动的电压，我们将其称为「控制电压（Control Voltage，简写为 CV）」。我们暂时不考虑控制电压是如何被生成的，只需要知道为放大器的「控制器」输入施加一定幅度的电压，放大器就能随之为音频信号提供相应幅度的增益，这也就是压控放大器（Voltage Controlled Amplifier，简写为 VCA）的工作原理。现在让我们来看看使用什么工具可以生成控制放大器的 CV。 

让我们重新回到上文调节音响音量旋钮的例子中。假如说音响的音量旋钮被调到最低时其被施加的 CV 为 0 伏特（0V），这时音频信号增益为 0；音响的音量开到最大的时候 CV 是 10V，音频信号的增益此时最大。这样转动音量旋钮的过程就可以被电压的变化过程替代，比如说，CV 最开始为 0V，渐渐升高至 10V，接着降至 5V，然后保持这一状态一小会，之后又渐渐降至 0V。将这一过程用图形表示就得到了图 3。

可以看到，CV 的轮廓与声音响度的轮廓完全一致。换句话说，你使用了 CV 控制声音在任意时间片刻的响度。图 3 中展示的形状被称为「包络（Envelopes）」，可以生成上述包络的设备被称为「包络发生器（Envelope Generator，简称 EG）」。EG 有很多种不同的类型，但不管是简单的 EG 还是复杂的 EG，它们都具备一个共同点：每次 EG 被触发都会生成一个连续的包络，其产生的 CV 与 CV 变化时间都相同（前提是 EG 本身没有通过其他方式或者信号被调制）。 

最著名的，同时也是合成器历史中很长一段时间内最常见的包络发生器叫做 ADSR。ADSR 是该 EG 四个阶段：起音（Attack）、衰减（Decay）、延音（Sustain）、释音（Release）的缩写。其中起音、衰减与释音三个参数描述的是该阶段的时间，剩下的一个延音描述的是该阶段的电压幅度（见图 4）。

从很多角度上讲，ADSR 都是一个极其伟大的发明，虽然它极为简单，但使用 ADSR 我们可以模拟出大量真实乐器的音量轮廓。 

比如说，想象管风琴、长号以及雷鸣声等不同声音，以及如何使用 A、D、S、R 四个阶段描述它们的响度轮廓。记住：

• 起音（Attack）决定了声音从零开始到达其最高响度所需的时间；
• 衰减（Decay）决定了声音从最高响度下降至延音阶段所需的时间；
• 延音（Sustain）决定了直到释音阶段之前声音需要保持的响度；
• 释音（Release）决定了音量从释音阶段下降至最终音量（通常为零）所需的时间。

管风琴起音十分迅速，直到演奏者松开键盘之前管风琴会一直保持其最大音量，因此管风琴的响度包络看起来像一个精准的长方形。实际上，这个包络形状与管风琴的音色特征及其相关，所以这类形状的包络通常又被称为「管风琴包络」，即使是在它被用于与管风琴完全不相干的音色的时候。 

相反，长号的「语速」与管风琴相比要慢得多，其响度的最高值往往在起音阶段的末尾，在此之后其响度会下降至一个较低的延音值。乐手停止吹奏之后，声音会随之迅速降低至零。 

雷声的响度包络与上述两种乐器区别较大，其响度的上升速度较为缓慢，并且没有衰减和延音阶段，音量达到顶峰之后立即慢速降低至零。

从图 5 中可以看到，不同音色的音量包络彼此差别可能会十分巨大。让我们先从长号说起：长号的音量包络需要 ADSR 的全部四个阶段，起音、衰减与释音时间都较为中等，延音阶段的音量也比较中等。管风琴的音色包络显然较为简单，只需起音、延音与释音三个阶段，起音与释音十分迅速，时间几乎为零，延音阶段保持最大的音量。相比之下，雷声则只运用了 ADSR 中的起音与衰减，完全没有延音和释音阶段。 

图 2 中的「控制器」是一个宽泛的概念。无论你怎样调整包络发生器的参数，只要它连接的是合成器的 VCA，并且你可以随意触发其控制音色的参数，那么它就可以被称为「控制器」（见图 6）。

让我们回过头来看震荡器的概念，你可能还记得我们在本系列的第一篇文章中说明了每个具有调性的音色都有一个基础频率，该频率由震荡器最简单的震动模式产生。如果该基础频率位于 20Hz（每秒钟震动 20 次）与 20kHz（每秒钟震动 20000 次）之间，那么你在聆听这一声音的时候就可以感知到一个固定的音高。 

让我们再次回到音响和音量旋钮的比喻中。如果你以每秒钟一到两次的速度来回旋转音响的音量旋钮，那么你就会为音响的声音引入另一个周期性变化的效果：震音（tremolo）。用手周期性来回旋转音量旋钮的过程实际上是为音响的音量施加了一个震荡器，尽管这一震荡器的震动速度远远低于 20 Hz，但它还是可以使音色发生明显的变化。 

为了达到类似的目的，大多数合成器都有一个专门的设备用来生成低频信号，用于控制合成器的其他参数，这类设备叫做「低频振荡器（Low-Frequency Oscillators，简称LFO）」。大多数合成器的 LFO 可以生成从 0.1Hz（每十秒为一个周期） 到 20Hz 的低频信号。这类低频信号适合用来制作较为简单的声音效果，上文提到的震音只是这类声音效果中的其中一种。如图 7 所示，为了实现震音，作为控制器，调制放大器增益的是 LFO 而不是 EG。

可能许多读者并没有注意到，图 7 中其实展示了几乎每个合成器都具备的三个最重要的模块：

• 信号发生器——用于生成最基础的音色；
• 压控放大器——作为调制器，调制由信号发生器生成的声音；
• 正弦波 LFO 发生器，作为控制器，决定调制器用什么方式调制信号。

尽管上面的例子非常简单，但利用这一结构可以合成出极为复杂的音色。 

在一些较为高档的合成器中，LFO 通常可以生成位于听觉范围内的高频信号，并且具有种类丰富的波形。但如果听觉范围内的 LFO 信号可以用来调制声音参数的话，为什么不可以直接使用信号发生器呢？当然可以，图 8 就使用了这一流程，用信号发生器来调制放大器的增益，从而生成更加复杂的音色。

本文介绍了控制电压、包络发生器以及低频振荡器三个基础概念，但为了理解模拟合成器，你还需要理解一个更为重要的概念。 

仔细观察本文中的图示，我特意将音频信号以横向排布，控制信号纵向排布。为了方便理解，你可以认为音频信号是你可以听到的信号，控制信号是用于控制你可以听到什么的信号。但实际上你必须还要从电压的角度理解上述信号，作为电压，控制信号和音频信号其实并没有任何差别。因此，取决于你以什么方式使用它们，以及将它们放置于什么位置，许多合成器模块可以同时被用作信号发生器、调制器和控制器。 

换句话说，模拟合成器以波动的电压为形式代表音频信号，同样类型的波动电压也可以被用来控制与更改音频信号。当你在判定一个模块是音频模块还是控制模块的时候，信号的输出方向要比信号源更加重要。 

这也是对于合成器来说最重要的秘密之一。

---

点此查看全部正在连载中的《揭秘合成器》系列教程。