播客創作者與廣播音訊工程師在處理多麥克風對話錄音時，經常面臨複雜的後製瓶頸：同室錄製時多支麥克風相互串音（Bleed/Crosstalk）、不同音軌底噪疊加導致噪訊比惡化、對話者音量與離麥距離不一導致響度失衡，以及各播放平台對響度標準（LUFS）的嚴格限制。如果完全依賴人工在 DAW（數位音訊工作站）中進行包絡線繪製、門限降噪與母帶壓限，一期長音訊往往需要耗費數倍的時間成本。
Auphonic 的多軌智慧後製處理（Multitrack Post Production）正是為解決這一工程痛點而設計。不同於傳統單軌母帶工具在音訊已混縮後「盲目」壓縮動態，Auphonic 多軌引擎能夠同時分析各個獨立分軌（Stems）或直接導入多通道硬體錄音檔。它即時識別每個毫秒內哪個通道處於說話狀態，精準抵消麥克風之間的聲學串音，壓低靜音分軌的環境底噪，自動平衡多位主持人的語音電平，並最終輸出符合 EBU R128、ITU-R BS.1770 等國際廣播規範的高標準母帶。
本文將深入拆解 Auphonic 多軌後製的底層邏輯與操作步驟，指導創作者配置分軌演算法、設定廣播級母帶參數、建立自動化預設並對接發布工作流程。
1. Auphonic 多軌處理的核心運作原理
單軌處理工具無法區分一段微弱的聲音究竟是發言者輕柔的句尾，還是隔壁麥克風洩漏過來的串音。而 Auphonic 多軌演算法基於全部分軌的交叉比對，進行上下文感知的綜合決策：
- 麥克風串音消除（Remove Mic Bleed / Crossgate）： 在同室多麥錄音場景中，說話者 A 的聲音不可避免地會進入說話者 B 的麥克風並帶有輕微時間延遲。傳統噪聲門極易產生抽吸感或吞字。Auphonic 的 Crossgate 演算法透過比對 A 軌的高噪訊比原聲與 B 軌的關聯信號，直接抑制或消除 B 軌中的聲學洩漏，使每位來賓的聲音清晰獨立，徹底消除空洞的房間回音感。
- 自適應噪聲門（Adaptive Noise Gate）： 混合四支開啟的麥克風，背景底噪也會疊加四倍。Auphonic 會在某個發言人停止說話時，自動衰減該軌道的音量，而在其重新發言時平滑開啟，從而大幅降低最終混音的整體底噪，同時不會截斷自然的句末呼吸。
- 多軌自適應電平器（Multitrack Adaptive Leveler）： 分軌電平器獨立分析各語音分軌，校正發言人之間的大小聲差異（例如輕聲細語的訪客與大嗓門的主持人），並在單軌內部進行微動態壓縮以抑制突發爆音。更重要的是，語音電平的調整不會誤傷背景襯樂或音效。
- 差異化降噪與人聲增強： 錄音棚內的主持人麥克風與遠端連線來賓的網路音訊，其噪聲特徵完全不同。Auphonic 允許為每個分軌單獨配置降噪模型（如動態降噪、靜態降噪或人聲隔離）與頻率響應修復（如 Voice AutoEQ、頻寬延展或 Studio Voice）。
- 全局響度標準化與真峰值限制： 分軌降噪、聲像定位與閃避混音完成後，合併後的總輸出軌會經過基於統計的多遍響度分析，精確達到目標 LUFS，並透過 4 倍過採樣的真峰值限制器（True Peak Limiter）消除採樣間峰值（Intersample Peaks）。
2. 音訊前置準備與匯入規範
為了確保演算法精準識別各軌內容，避免產生聲學偽影，音訊輸入必須遵循以下工程規範：
多軌輸入三大黃金原則
- 嚴格時間對齊（零時間差）： 所有分軌檔案的起點時間戳記必須完全一致（
00:00:00.000）。哪怕某位來賓在節目第 20 分鐘才開口說話，也切勿在 DAW 中剪掉開頭的空白音訊，必須匯出帶有前端靜音的完整對齊分軌。時間錯位將導致串音消除演算法失效。 - 人聲與音樂徹底分軌： 嚴禁在匯入 Auphonic 前將片頭片尾曲、背景音樂與人聲混在同一條軌道上。音樂必須單獨作為一條分軌，否則電平器會將樂器旋律誤判為人聲進行壓縮。
- 一人一軌： 每位現場發聲者應擁有獨立的物理通道或檔案。多位來賓共用同一支麥克風將無法啟用通道間串音抵消。
- 多通道檔案直接匯入： 如果使用錄音機（如 Sound Devices MixPre、Zoom F 系列或 RØDECaster Pro）錄製了內含多個通道的單多聲道 WAV 格式檔案，可直接在網頁介面選擇 Import Multiple Tracks > Multichannel File。Auphonic 會在瀏覽器端直接解析聲道架構並拆分為獨立分軌（支援最多 8 軌），省去手動分軌匯出的繁瑣環節。
3. 分軌演算法精細配置
登入 Auphonic 網頁控制台建立多軌製作（https://auphonic.com/engine/multitrack/），針對不同音源進行軌道級個性化配置：
軌道識別與立體聲聲像
- 為每個分軌填寫清晰的 Track Identifier（如「Host - Sarah」、「Guest - David」、「Music Bed」）。Auphonic 搭載的 Whisper 語音識別引擎將直接使用該名稱作為轉錄稿與分段大綱中的說話人標籤。
- 設定人聲的 Stereo Panorama（立體聲聲像）。為營造自然的圍坐討論氛圍，可將不同來賓向左或向右微調（如 L15、R15 或 L25、R25），背景音樂保持置中。注意：若所有分軌均為單聲道且聲像全置中，最終成品也將輸出為單聲道。
自適應濾波與人聲增強
為語音軌道選擇適合的濾波演算法：
- 自適應高通濾波（Adaptive High-Pass Filtering）： 採用零相位線性濾波技術，動態檢測男女發聲的基頻，切除空調風道低頻嗡鳴與手持桌架震動，同時不會破壞波形對稱性或引入相位失真。
- Voice AutoEQ： 動態分析人聲頻譜，智慧消除刺耳齒音（De-Esser）與噴麥爆破音（De-Plosive），平滑離麥變化帶來的頻率響應波動，呈現溫暖舒適的廣播音色。
- Voice AutoEQ + Bandwidth Extension（頻寬延展）： 專為遠端網路會議或低位元率 VoIP 連線設計。當遠端音訊的高頻被截斷在 4 kHz 或 8 kHz 時，演算法可預測並合成高頻諧波，重建聲音清晰度與明亮度。
- Studio Voice（Beta）： 基於深度學習的人聲重建模型。超越常規等化與濾波，它能夠修復因過載破音、極低位元率破壞性壓縮或過激降噪帶來的機械雜音，重構出錄音室等級的豐滿質感。
針對性降噪與去殘響
根據軌道音質選擇適配的降噪模型：
| 降噪模式 | 適用場景 | 是否保留音樂 | 是否去除房間殘響 |
|---|---|---|---|
| Dynamic Denoiser（動態降噪） | 複雜多變環境噪（街頭車流、交談嘈雜、嘴部雜音、房間回音） | 是 | 是（最高可調至 100 dB） |
| Speech Isolation（人聲隔離） | 極度惡劣環境；徹底剝離人聲以外的所有聲音 | 否（會清除背景音樂） | 是 |
| Static Denoiser（靜態降噪） | 穩定機器底噪（恆溫風扇、持續電流底噪、常規殘響） | 是 | 是（可靈活調節） |
| Classic Denoiser（經典降噪） | 帶有明顯安靜段落的平穩寬頻底噪與工頻蜂鳴 | 是 | 否（僅降噪與去電哼聲） |
在良好聲學處理的工作室錄音中，主持人軌道推薦選擇 Static Denoiser 或輕度 Dynamic Denoiser，適當保留少量空間殘響以維持自然感；對於居家錄音的來賓，可開啟 Dynamic Denoiser 並啟用 Remove Breaths，抑制呼吸急促產生的喘氣聲。
前景/背景設定與自動閃避（Ducking）
對於背景襯樂或環境氛圍分軌：
- 將 Fore/Background 設為 Background 或 Duck this track。
- 設定 Level of Background Segments（預設
-18 dB）。當任何語音軌道有人說話時，背景音樂會自動衰減 18 dB；說話間歇則根據 Ducking Fade Time（預設 500 ms）平滑恢復。 - 若背景音樂時長不足以覆蓋全程，勾選 Loop / Trim，系統會自動將其無縫循環直至對話全部結束。
4. 母帶總線演算法與廣播級標準
各分軌獨立優化並完成混音後，總線演算法（Master Track Algorithms）負責把控成品的整體品質與交付合規：
1. 消除麥克風串音（Remove Mic Bleed / Crossgate）
在總線勾選 Remove Mic Bleed。系統根據各分軌聲學信號的毫秒級相關性，消除麥克風之間的洩漏聲，消除梳狀濾波和空洞虛假的廳堂感。
2. 總線自適應噪聲門（Adaptive Noise Gate）
勾選 Adaptive Noise Gate。當某位來賓不發言時，主控引擎會自動將其所屬通道推至靜音門限以下，杜絕多麥克風底噪疊加累積。
3. 母帶自適應電平與廣播模式（Broadcast Mode）
將母帶電平器模式切換至 Broadcast Mode，以滿足嚴苛的廣播動態指標：
- 最大動態範圍（MaxLRA）： 控制節目的整體動態跨度。新聞訪談建議設為
3 LU至5 LU；敘事類長節目或廣播劇可設為5 LU至8 LU。 - 最大短期響度（MaxS）： 限制 3 秒滑動窗口內的短期音量突增。設定為相對目標響度
+5 LU，能夠嚴格滿足歐洲電視台廣告規範（如 EBU R128 S1）。 - 最大瞬態響度（MaxM）： 限制 400 毫秒窗口內的瞬間峰值，防止大笑或呼喊引發突兀驚嚇。
4. 全局響度標準化與真峰值限制
根據目標平台選定交付規格：
| 交付平台 / 行業標準 | 目標響度 | 真峰值上限（True Peak） | 規範說明 |
|---|---|---|---|
| 播客與主流串流媒體（立體聲） | -16 LUFS | -1.0 dBTP | 全球播客業界通用標準 |
| 播客與單聲道電台 | -19 LUFS（開啟 Dual Mono） | -1.0 dBTP | 自動施加 -3 LU 補償 |
| 歐洲電視廣播（EBU R128） | -23 LUFS | -1.0 dBTP | 歐洲公營廣播電視標準 |
| 北美影視廣播（ATSC A/85） | -24 LUFS | -2.0 dBTP | 符合 CALM Act 法案要求 |
| 有聲書（Audible / ACX） | -18 至 -23 dB RMS | -3.0 dBTP | 採用 RMS 響度計算模式 |
| YouTube 影片混音 | -14 LUFS | -1.0 dBTP | 匹配主流線上串流影片平台 |
若匯出單聲道音訊用於特定廣播流，務必開啟 Dual Mono 選項。系統會自動將目標響度由 -16 LUFS 下調至 -19 LUFS，確保在立體聲播放裝置上回放時與立體聲內容具備相同的聽覺響度。
5. 智慧剪輯與非破壞性工作流程
Auphonic 能夠利用自然語言識別與聲學分類模型清理無意義語氣詞：
- Cut Silence（靜音切除）： 智慧切除由於翻閱提綱或器材調試造成的尷尬停頓，同時完整保留句與句之間自然的表達留白。
- Cut Fillers（語氣詞切除）： 自動識別並切除「嗯」、「啊」、「額」、「uhm」、「uh」等常見口頭語。在多軌模式下，若來賓 A 發出語氣詞的同時來賓 B 正在連貫敘述，系統僅會將 A 軌的語氣詞做靜音淡化處理，絕不會破壞 B 軌的時間軸連續性。
- Cut Coughs（咳嗽噴麥切除）： 識別並移除清喉嚨、咳嗽、重鼻息等呼吸道雜音。
- 非破壞性 DAW 協同： 如果工程習慣由人工最終確認剪輯點，可將 Cut Mode 設為 Export Uncut Audio（保留原聲僅生成剪輯表）或 Set Cuts To Silent。在輸出格式中添加 Cut List，Auphonic 支援匯出針對 Reaper、Adobe Audition、DaVinci Resolve、Final Cut Pro 與 Audacity 的 EDL 或 CSV 標記列表，工程師可在 DAW 中直接載入剪切標記進行二次微調。
6. 預設儲存、雲端批次處理與自動化發布
完成參數配置後，可將其沉澱為標準化作業流程：
- 並行多格式發布： 單次任務可同時輸出多種格式：
- 嵌入 ID3v2 標籤與章節資訊的 MP3（192 kbps 或 256 kbps）；
- 用於長期工程歸檔的 24-bit 48 kHz WAV 母帶；
- Individual Tracks 分軌包（ZIP）： 在 Output Files 中選擇 Individual Tracks，即可打包下載經過串音消除與單獨降噪的各分軌 WAV 檔案，方便音訊師在 DAW 中繼續進行混音藝術創作。
- 音視訊聯動輸出： 配合章節圖片，Auphonic 可自動合成帶有封面律動的波形影片（Audiogram），並壓入外掛或內嵌字幕，一鍵推流至 YouTube。
- 預設（Preset）與監控資料夾（Watch Folders）： 將全部配置儲存為 Multitrack Preset（
https://auphonic.com/engine/preset/）。綁定 Amazon S3、Google Drive、Dropbox 或 Libsyn、Podbean 等服務後，音訊工程師只需將錄音室多軌檔案拖入指定雲端資料夾，即可自動觸發雲端運算並發布至播客託管平台。
7. 工程取捨與實務建議
在享受高度自動化便利的同時，工程師也需在特定場景中把控取捨：
- 人聲清晰度與空間自然感的平衡： 過度疊加動態降噪、人聲隔離與高強度串音消除，可能會抽乾空氣感，使對話顯得乾癟或帶有輕微「水下音」。若多人討論聽感發悶，建議在對話軌將 Remove Noise 和 Remove Reverb 適度下調 10–20 dB，或關閉總線自適應噪聲門，保留微量環境氛圍。
- 點數與計費機制： Auphonic 多軌製作的計費僅基於最終輸出檔案的時長，而非輸入分軌的數量。例如一期 60 分鐘的四麥克風訪談，僅扣除 1 小時時長點數。免費帳戶每月擁有 2 小時處理額度，且 20 分鐘以內的多軌製作可免費試用。一次性儲值點數永久有效，訂閱點數按月重設。
- 適用邊界判定： Auphonic 多軌針對語言類節目的優化極其徹底；但對於結構複雜的廣播劇、包含精細擬音音效的電影對白，或是純音樂多軌編曲，仍應以人工 DAW 混音為主。
透過把控前端錄音對齊、軌道差異化去噪濾波與總線廣播級響度規範，Auphonic 能夠將原本需要數小時的多麥克風繁瑣後製壓縮在幾分鐘內自動完成，為播客與廣播團隊提供兼具高產出效率與專業聲學品質的工業級保障。
參考資料
- Auphonic Documentation — Auphonic Help 2026 documentation
- Audio Algorithms — Auphonic Help 2026 documentation
- Multitrack Post Production Algorithms — Auphonic Help 2026 documentation
- Multitrack Best Practice — Auphonic Help 2026 documentation
- Multitrack — Auphonic Help 2026 documentation
- Pricing FAQ — Auphonic Help 2026 documentation