錄音人聲處理的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列線上看、影評和彩蛋懶人包

第一次拍電影就上手：從前製、編劇、拍攝、剪輯到發行，專家手把手帶你從0開始的60堂課

為了解決錄音人聲處理的問題，作者衣笠竜屯,片岡Reiko,佃光,小橋昭彥 這樣論述：

●日本超好評的拍片教科書● 拍電影不難，只怕沒人教！ 這本有你敲碗跪求的所有環節 導演│編劇│製片│攝影│音效│配樂│選角│表演｜剪輯｜後製 企劃編劇│組織團隊│器材選擇│拍攝剪輯│行銷宣傳│上映發行   整個劇組必讀的拍片聖經！ ▌拍電影，不求人 ▌ 微電影、Vlog、Youtube影片、紀錄片、劇情片，全教會你 60個擺脫菜鳥、晉升專業，一定要懂的事！ 更有千金難買早知道的電影人經驗談   　　「我正在努力拍電影，可是處處碰壁……」 　　「教科書都太專業了，找不到簡單易懂的入門教學書。」 　　「從企劃、編劇、拍攝、剪輯到發行……沒辦法全部自己獨立完成吧？！」 　　「校慶、社團、政府的徵

片比賽……不想放過這些機會……」   　　▌新手不必怕，從0開始，給所有人的教科書 　　這世界早就以視覺影像為主流，但市面上的拍片教科書，多半只介紹攝影或剪輯等專業技術。缺乏從零開始，講述所有流程，鉅細靡遺給所有人的教科書。這一本手把手，從前製/拍攝/後製/發行，帶你從頭到尾認識完成一部電影該知道的大小事！   　　① 前製這樣想，開拍GO！ 　　‧Tagline超重要，想對了，一句話就能引發好奇心，獲得金主贊助 　　‧先從結局開始寫，更能創作出精彩故事 　　‧編劇鐵則：只寫鏡頭會拍到的部分就好 　　‧開拍前一定要先算出拍這部片要花多少金錢和時間 　　‧挑器材時，不必一網打盡，要根據目的來選擇

拍攝手段 　　‧剪輯用電腦，選擇可替換零件的桌機，優於型號易被淘汰的筆電   　　②拍攝這樣做，才會順！ 　　‧服裝、行李和報到，要預設為戶外行程 　　‧先決定好演員位置和動作，再考慮構圖，不然會很花時間 　　‧導演喊卡之前，不管出錯或有突發狀況，都不能停止表演 　　‧構圖技巧：重心一變，劇情片變恐怖片 　　‧攝影機位置鐵則？如何跨越180度線 　　‧在拍攝現場幫忙，避免「不懂裝懂」，才能讓劇組認同你也是專業的   　　③後製這樣調，才精彩！ 　　‧省略劇情的剪輯法，故事更簡明易懂 　　‧膠捲時代在拍攝時就得調好光；數位化之後，盡量多拍點，其他留到後製再處理 　　‧視覺特效要搭配目的性，特殊轉

場和特效很有趣，但千萬別忘了原先的目的 　　‧「無聲」也是一種音效 　　‧錄音室補錄對白，演技力也要點到滿 　　‧想不出片名時，盡量列出天馬行空的奇想 　 　　④發行這樣做，會成功！ 　　‧推銷自己的作品時，對目標客群和行銷內容有具體方向，一切會比較好談 　　‧海報用紅色，比黃色更能招攬觀眾 　　‧先了解媒體特性，做出雙贏效果的宣傳 　　‧映後座談好緊張，卻正是與觀眾相遇的最佳瞬間   　　▌認識拍電影的殘酷現實，發揮日本人的不厭其煩，終於等到這一本 　　作者從過往培育過許多影壇新手導演，以他豐富的經驗出發，告訴你技術之外，更需要知道的現實。   　　‧拍一部電影要花多少錢？「電影分析表」和「

劇情表」有何不同、有多好用？ 　　‧怎麼買器材？如何拉通告表，才能減少各組人員的等待時間？ 　　‧開鏡前的失眠夜晚，就靠反覆check確認表當安眠藥？ 　　‧如何在片場做出仿真太陽光、月光、汽車大燈？ 　　‧錄幾軌才能確保台詞準確收音？ 　　‧數位化時代，就靠後製調光，定調影像風格？ 　　‧上字幕時要距離外框10%留白，字才不會被卡掉？ 　　‧素人如何將電影送進影展與競賽？……發揮日本人不厭其煩、鉅細靡遺的特質，耐心解說所有過程的實務訣竅，讓人直呼，終於等到這一本。   　　▌告訴你千金難買早知道的電影人經驗談 　　‧如果電影是商品，那電影在賣什麼？觀眾要買什麼？若只是為拍而拍，舉辦邀請親朋好

友觀賞的放映會就好了；若要作為提供一般觀眾買票進戲院的娛樂，就必須認真考慮拍片的供需目的。不管是獨立製片或商業電影，先設想觀眾所需再去開發企劃案是很重要的。──辻岡正人 導演‧演員 / 代表作《JUDGEMENT》   　　‧大家應該都有『看了這部片，自己也想拍電影』的口袋片單吧？或是「最喜歡的電影」也行，請把那部片當作目標，用自己的方式重現對那部片有共鳴的部分。實際嘗試後，你會發現那『目標作品』和『自己嘗試重現』之間的距離，當中缺乏的就是「技術」。請好好思考如何填補差距，思索和挑戰的過程中，你會漸漸找到各種需要的『技術』。──田中健詞 導演 / 代表作《PUNCHMEN》（パンチメン）  

　　‧我本身沒有就讀過影像相關的學校或科系。在高中電影社開始接觸8mm電影，出社會後經常加班、出差，要兼顧拍片很不容易，但為了將來能把拍片當本業，我定下四個守則：   　　(1)每年至少拍一部作品（即使不是科班出身，持續拍攝也會變厲害吧？） 　　(2)使用現有的資源（因為沒時間，想到題材就立刻寫成劇本，速速拍出來） 　　(3)找出循環的模式（拍攝、上映、分析檢討、經驗運用在下次拍片。向工作人員和演員分享後續的回饋，願意幫助的人也會越來越多） 　　(4)自我推銷（主動找在影展認識的製片聊天，分享自己想拍怎樣的電影，擅長哪種類型，拓展今後合作的可能性）──安田真奈 導演‧編劇 / 代表作《幸福的開

關》（幸福﹝しあわせ﹞のスイッチ）   　　‧近年攝影機的性能越來越強大，這是一個陷阱。一旦安於「再暗也能拍得清楚」的器材，便容易忽略燈光的設計，拍出說好聽是「寫實」，實際上只是沒打光、暗成一團的影像。不打光使用一千萬圓的專業攝影機，好好打光使用十萬圓的單眼數位相機，不用比也知道後者的影像會大勝。   　　‧低成本獨立製片若想比照商業電影的水準，導演必須對各個要素具有一定程度的知識和見識，然而現場的工作人員不用找專業級的，這是低成本獨立製片的第一步。節省下的人事費，轉用到演員酬勞、服裝和外景場地費用，任誰都看得出影像質感因此而大幅提升。──安田淳一 導演 / 代表作《吃飯》（ごはん）   　　

‧本戲院算是上映較多獨立製片的電影院之一，排片時，一定會看作品本身的水準，另外製作方的「宣傳」和「集客」策略也是參考的重點。傳單和海報等文宣、社群網站等網路上的資訊擴散是基本動作。電影院永遠都需要吸引大眾興趣、讓觀眾願意進戲院的奇招策略。另外，在有限的宣傳費之下，導演、劇組和演員較能自由配合宣傳活動也是獨立製片的魅力之一。──菅野健太 Theater seven（シアターセブン）劇院經理   　　‧你的作品只要夠好，一定會有機會和外國人交流或合作，所以我奉勸大家從現在開始學習外文，年輕時沒學好外文的大叔我在語言上吃了很大的苦頭；在剛起步時，最好先從拍攝日期和預算都比較充裕的短片拍起。──星野零

式 製片‧演員   　　‧拍了第一部作品後，我開始學習關於器材的知識，也漸漸認識了當演員的朋友。就算不懂電影也沒有人脈，總之先拍一部作品後，誰都能自稱創作者，接下來要認識其他同好就順利得多。別害怕、別想太多，跑去河邊拍也行，總之催生出你的創作，並積極拿給別人看吧！──佃光 導演 / 代表作《水野的歸還》（ミズノの帰還）   　　‧拍電影的時候，「主題」並非一開始就需要的東西，有時會在製作的過程中找到，有時會在完成之後才撥雲見日。我認為比起主題更重要的是「意象」。意象不一定是視覺的影像，它也許是電影整體的氣氛，或是劇情的世界觀；也可能是具體的場面，或是某一個影像，或顯示主角的性格和行動的意象也行

。導戲時可進階思考角色為何總是笑著？他露出的是哪種笑容？他的笑容適合搭配哪種色調？…等細節。因此「意象」是製作電影的基礎要素。──手塚真 導演 / 代表作《白痴》   　　‧我本來並沒有立志成為「拍電影」的人，但「愛電影」的心情是一股強大的動力，推動我走到今日。即使沒有才華、基礎或知識，我認為只要有「愛」就能拍出好作品。所以如果你喜歡電影，「想拍拍看電影」的話，請自己試著拍拍看，努力持續拍下去，總有一天夥伴和成績一定會找上你！──鬼村悠希 導演 / 代表作《勞動之於輪迴》（労働オブザ輪廻）   專業人士一致推薦──   　　小野│臺北市影視音實驗教育機構校長、作家 　　李亞梅│台北電影節總監

　　吳洛纓│金鐘編劇 　　林木材│台灣國際紀錄片影展策展人 　　東默農│知名編劇講師 　　陳奕凱│樂咖 　　張道平│世新大學廣播電視電影學系助理教授 　　饒紫娟│台北電影委員會總監   專業好評推薦   　　用最容易了解的方式教導學生如何上手，成為一個全方位的電影新手。 　　──小野│臺北市影視音實驗教育機構校長   　　如果你有一個電影夢，先讀完，就離夢想成真更近一步了。 　　──吳洛纓│金鐘編劇   　　總覺得拍片是很遙遠夢幻的事？其實你少的，只是一本提供指南的說明書。 　　──東默農│知名編劇講師   　　高度濃縮的一本影片製作課指南。 　　──張道平│世新大學廣播電視電影學系助理教授

錄音人聲處理進入發燒排行的影片

基於卷積遞歸神經網路與轉移學習之緊急人聲辨識系統

為了解決錄音人聲處理的問題，作者王浩全 這樣論述：

聽覺是人類察覺危險重要的感官，人腦利用聽覺感知環境中發生的事物，但電腦只聽得到「聲波」，不如人腦能聽見「聲音」。聲音事件偵測（Sound Event Detection, SED）盼透過電腦分析聲音內容，判斷周遭發生的事件。大多數的SED系統將聲音的錄音片段轉換成一張張特徵圖──如本文的Log-mel即為一種聲音視覺化方法，並將特徵圖以電腦視覺的影像判別方法來搜尋事件聲紋的特徵。透過這種方法，SED系統能夠學習危險事件錄音的特殊聲紋，從源源不絕的環境聲中找出發生的急難。自從2010年後，深度學習有了跳躍性的發展，從電腦視覺發展而來的各種模型，也被應用到SED領域。其中，透過結合專精於二維影像

分析與擅長分析時序資料的兩種網路，卷積遞歸神經網路（Convolutional Recurrent Neural Network, CRNN）在SED領域中大放異彩。在電腦視覺中省下大量資源的轉移學習（Transfer learning）也一樣被帶到SED領域中，同樣能減少訓練所需的時間與資料量。本研究基於與采威國際資訊股份有限公司合作計畫，試圖以緊急聲音事件辨識系統取代大量巡邏與監看人力資源，應用該司生產之八聲道矩陣麥克風，在環境中找出潛在的緊急狀況：爭吵以及呼救。然而，目前並沒有將SED領域中的CRNN應用在偵測環境中潛在的危險事件；同時，也沒有現成的緊急事件聲音資料庫可供利用。更不幸的是

，因為緊急情況的稀少特性，收取資料也非常棘手，往往錄得少量的緊急事件與大量的常態錄音資料，造成嚴重的資料不平衡問題。因此，根據緊急聲音辨識系統的需求，我們提出兩種新CRNN：水平與鉛直整合CRNN（parallel CRNN, CRNN_prl 以及 sequential CRNN, CRNN_sql）。也參考CNN對象之轉移學習，利用Google發表的巨大聲音資料庫Audio Set，減少訓練時間並提升準確度。數種資料平衡方法也被應用在我們透過矩陣麥克風所蒐集的聲音事件資料庫。我們將所有聲音資料轉換成log-mel特徵圖，或施以降噪前處理，以兩種新CRNN與參考之CNN網路搭配兩種資料平衡方

法，訓練並找出跨地點裝置的最佳判斷模型。我們更進一步以特定地點資料訓練判斷模型，對該地點進行模型最佳化。實驗發現，降噪前處理並不能提高表現，CRNN_sql搭配資料增強（Data Augmentation）是最佳的判斷模型訓練方法，得到最優類別平均F1-score 0.314、第二低的誤報率16.17%、最高的爭吵事件準確度73.31%、以及不再是0% 的呼救事件準確度9.8%。對裝置最佳化後，能在該環境資料中有效提高F1-score至 0.378 、降低誤報率至 0%、爭吵事件準確度95.58%、及所有緊急事件準確度94.54%。最後，我們得知CRNN_sql較CRNN_prl及傳統CNN有

更佳的聲音判斷能力，同時配合妥善處理及平衡的資料，辨識模型能夠有效的從不同環境中學習並判斷緊急人聲，使此模型能真正有意義的應用在真實環境中。

影片聲音製作全書：掌握人聲、配樂、音效製作方法與成音技術，打造影音完美交融，質感升級的專業實務法

為了解決錄音人聲處理的問題，作者坂本昭人 這樣論述：

涵蓋網路影音、廣告、動畫、遊戲的聲音設計製作基礎， 數值設定╳具體步驟，隨心製作創意滿分的原創聲音！ 最低度聲學知識、軟硬體系統建置，打造聲音升級的製作環境 軟體作編曲、效果器、混音、音效、錄音、成音各環節重點全掌握 強化影像演出表現的五大關鍵（定位、音質、音場、音量、音壓）實作技巧 製作概念+大宗軟體(Garage Band、Logic、Pro Tools)示範素材檔，操作一遍就上手 推薦（依姓氏筆畫排序） 艾德 （Edo） ／影像工作者  李偉程（GARY）／說故事影像創意有限公司負責人 、影片導演 楊文祥／雷亞遊戲資深音效設計師；前大宇資訊、遊戲橘子、IGG音效師 鄭建文／台北科技大

學互動設計系專任副教授 戴志光／傳翼錄音總監、錄音師、音效設計   音源庫找不到理想素材？配樂很容易撞聲？各素材音量有大有小不協調？輸出檔案後音量音質變小變差？……這些問題到底怎麼解決 聲音讓影片活起來，滿滿都是記憶點！ 網路影片戰場激烈，從巨量影片脫穎而出的關鍵在於聲音。本書以掌握最低度的音響知識技術做出有如專業質感的作品，說明聲音特性、音響設備設置方式、聲音製作的通用做法。具體示範利用音樂軟體自創配樂、從音效素材製作理想音效、錄音作業的重點技巧、從搭配影像調整雕琢各聲音的定位、音質、音場、音量、音壓，逐步完成高品質的影片。不論是影片創作者升級作品質量，或音樂創作者涉獵影像、聲音後製入行，都

是一本實務應用強的寶典指南。   讀者好評 這本書可掌握聲音製作和後製處理方式，對於沒有專業背景，急需用DAW錄音的我幫助非常大。 從本書可一窺成音（聲音後製）的技術。

運用神經網路於老式錄音的語音增強研究

為了解決錄音人聲處理的問題，作者劉益呈 這樣論述：

大多數應用於語音增強的網路，只關注降噪效果卻忽略移除噪音時所造成的失真，其中失真代表語音資訊被破壞。因此本篇論文提出預處理步驟和修復-降噪網路，並應用於老式錄音。其中預處理步驟用於移除喀擦噪音和被噪音嚴重破壞的部分，修復-降噪網路由兩個網路組成：修復網路和降噪網路，修復網路以時域生成對抗網路修復因預處理步驟造成的語音缺失；降噪網路以增強型兩階段網路和頻域生成對抗網路移除背景噪音，藉由頻域生成對抗網路強大的生成能力修補增強型兩階段網路降噪時引發的失真。大多數的降噪架構能很好地移除噪音，但是相對地造成更多失真，在老式錄音中，往往因為找不到與錄音中紀錄語言相同的訓練數據集導致失真更加嚴重。透過生成

對抗網路的生成能力，可以修復失真並獲得與人聲更接近的結果。實驗結果表明，本篇論文所提的演算法有較高的語音質量和較少的失真，並在STOI和PESQ有優於其他降噪方法的表現。