旁白听不清怎么办？从录音、混音到文案与语速的诊断顺序

收到“旁白听不清”的审片意见，先别同时加音量、降音乐、放慢语速。更有效的第一步，是截出有问题的一句话，分别听人声与完整混音，再决定把修改交给谁。

这里要分开三个问题：听得到声音吗？能辨认字词吗？听完知道它在说什么吗？ 声音够响，仍可能辨不出产品名；每个字都听清，也可能没弄懂操作顺序。EBU 的电视语音清晰度综述把录音、混音、播放设备、环境和听者条件都纳入分析，说明排查不能停在音量推子上。

先用三次对照缩小范围

找出一句被投诉的旁白，记下听不清的具体词和时间点。先关字幕，不提前给试听者看文案；字幕版稍后单独验证。

第一遍听完整混音，第二遍关闭音乐、音效和环境轨，只保留人声。保持人声轨增益和设备音量不变，不要把两个版本各自做响度归一化，否则会额外改变人声电平。

这里的“人声独听”与“原始干声”要分清：前者可能已加处理，后者应保留录制时的状态。多个问题也可能同时存在，解决一层后还要回听成片。

如果手里只有混成一条的音轨，先向制作方索取人声与背景分轨。自动分离出的“人声”可以辅助排查，但经过算法处理，不能直接当作原始录音的证据。

先听错误发生在哪里：重读处是否发破，句尾是否淹在底噪里，前一个词的房间尾音是否拖进下一个词，关键术语有没有含混或读错。

若录音可重做，先换到安静、反射较少的位置，固定合适的麦距，并让最响的一句也留有输入余量，再补录问题句。不要只把已经失真的片段拉小。Adobe 对削波修复的说明是重建被削去的波形部分；这并不意味着原始细节能被完整找回。

原始轨清楚、处理后变糊，则撤回处理检查。降噪后背景安静了，若字头、尾音也丢了，这个版本仍未过关。AI 配音同样先核对产品名、数字、重音和断句，再决定是否需要重生成。

从最小改动开始：只在说话处降低背景声，听同一句是否恢复可辨认。若有改善，再确定是整段配乐都要降低，还是只需处理遮住关键词的鼓点、旋律或音效；也可以试换更稀疏的配器，把强调性的声音移到句间。

自动 ducking 可以生成随对话变化的背景音量关键帧。Adobe 官方说明也提供衰减量、淡变时间与位置等参数。使用后仍要回听首字、句尾和短停顿：音乐降得太晚、回来太早，都可能破坏原来的让位安排。

不要把“音乐低多少分贝”当成通用答案。同样的电平差，不同配器和人声组合仍需试听判断；如果一句话承载关键操作信息，让那一小段更安静也完全合理。

把不熟悉产品的人请进来，让他用自己的话复述。如果词听对了，却把条件、对象或顺序说反，应先拆句、解释术语、明确指代。

例如，假设一段操作文案是：“在自动模式开启后未检测到目标时系统将维持待机状态。”可以试写成：“开启自动模式后，如果没有检测到目标，系统会保持待机。”再让对应画面呈现条件与结果。这里修改的是信息组织，不能只靠把整句拖慢。

语速也要和停顿分开看。Tanaka 等人的原始研究在18名日语母语成年人中分别改变语音时长和短语停顿，发现两者存在交互影响。其任务是在噪声中听写句子，按关键词正确率评分，不能据此推出中文广告的最佳字数或统一停顿长度。对当前片段，更稳妥的做法是保留意义边界，试着给新术语、数字和转折留出消化时间。

以下是建议方法，本文尚未实际执行。

挑一段包含关键术语、数字或操作关系的短片，按前面的诊断只改一个变量。例如，A 为原版，B 只降低说话处的音乐，其余不变。固定播放设备、播放器设置和舒适音量，找几位接近目标观众、没读过脚本的人。尽可能让不同人先听不同版本，记录首次回答，避免反复听熟后误判。

分别问：“关键术语或数字是什么？”“这句话要求你在什么条件下做什么？”再问听起来是否费力。把辨词、理解和主观费力分开记录；人数少时只用于定位问题，不宣称统计证明。

若 B 的辨词改善，继续细调混音；若两版辨词都对、理解仍错，下一轮单独改文案。改好后，再检查带画面、字幕的最终导出，以及实际投放端的播放版本。

响度与真峰值仪表适合检查电平和交付规范，ITU-R BS.1770定义的也是这类测量；读数不能代替理解测验，自动转写正确也不能代表观众听懂。W3C 的字幕说明强调字幕帮助获取音轨中的信息，它应作为独立的信息通道保留。有字幕时看懂了，也不能反推旁白本身已经清楚。

最终可执行的修改意见，应当具体到：“这个词在这台设备上被这一下音乐盖住”，或“这些字听清了，但条件关系理解反了”。有了这种定位，才知道下一步该重录、重混，还是重写。