声音，是短视频里被低估的另一半

月光先森MOON

短视频创作深度谈 · 声音设计 ·作者-月光先森  

未经许可禁止以任何形式搬运

声音，是短视频里被低估的另一半

观众能忍受模糊的画面，忍受不了听不清的话。

01　一个反常识的排序

行业里有句话，听着像玩笑，其实是经验：声音 > 光线 > 画质。

这不是审美排序，是容忍度排序：画面糊了，观众还能靠声音拿到信息；声音糊了，通道直接断掉，三秒就划走。人眼愿意将就，人耳不肯。

但它成立在信息型内容里——口播、知识、访谈、带货，观众是来「听懂」的。靠氛围吃饭的片子，光线会顶上来。所以准确的说法是：信息靠声音，氛围靠光。

画面是让人看见你，声音是让人留下来。

02　听觉没有「余光」

眼睛有余光，耳朵没有。听觉是串行的：同一时刻你只能听清一个东西，注意力像手电筒，照不到的地方等于不存在。

所以音乐一大，人声立刻听不清——不是音量不够，是频段打架。人声清晰度集中在 1k–4kHz，鼓、贝斯、和声也在这儿。

所以杂音比噪点更致命：画面杂物能被主动忽略，空调的嗡嗡声忽略不掉，你越不想听越听得见。降噪不是后期的事，是拍之前三十秒的事——先关掉那台空调。

03　声音不是一个东西，是四层

多数人只用了两层：人声加音乐。所以听起来像「会动的 PPT 配背景乐」——不难听，是扁。

人声	管信任：听不清，一切归零
环境	管空间：没有底噪，像在绿幕前
音乐	管方向：决定情绪往哪走
音效	管注意力：把眼睛带过去
＋静默　把上面四层同时抽空的那一秒

四层是乘法，不是加法：人声再干净，救不了环境全空的片子；音乐再动人，救不了节奏闷死的片子。一层塌了，其余全部打折。

04　人声：清晰是不能商量的底线

—　距离 15–20 厘米。超过一米，反射声盖过直达声，听着「空」，很多人以为是设备差，其实是离得远。
—　买一支领夹麦。几十块的够了，提升大于换手机。
—　关空调、风扇、抽油烟机。低频噪声和人声叠在同一频段，切除时人声也变薄。
—　没安静房间，就对衣柜录。软织物吸反射，最便宜的吸音棉。
—　横屏别用手指盖住麦克风孔。大量「声音发闷」就这一个原因。
—　录 48kHz / 24bit。后期压缩、降噪、拉伸都要消耗精度。
—　切掉 60Hz 以下。脚步、桌面震动、风噪都堆在下面，只贡献「脏」。

05　环境音：空间的证明

没有环境音的画面像绿幕。人耳判断空间真假，几乎全靠底噪和混响。

开拍前单独录 30 秒纯环境声。它是胶水：两个镜头之间那道缝，人声盖不住、音乐盖太假，铺一条环境声，立刻变成同一空间的两段时间，这是最便宜的无痕剪辑。

柴火噼啪、水声、刀碰砧板，不靠配乐推情绪，靠环境音证明真的发生过。

上篇完。

下篇：音乐、音效、静默、剪辑技巧与完整流程。

月光先森MOON

06　音乐：方向盘，不是油门

一，垫底别抢戏。口播时比人声低 15–20 dB。需要「努力听」才听得清词，就该往下压。
二，别用带人声的歌。歌词和你抢同一段频率，观众会「听串」。
三，情绪要对，不要「燃」。画面很安静、音乐在嘶吼，观众感到的不是感动，是尴尬。

还有个坑几乎人人踩：选歌只听副歌。你试听的是第 50 秒的高潮，片子只有 30 秒，整条都停在前奏里。

音量参考（人声为 0 dB）：人声 0｜音效 -6｜音乐 -18｜环境 -30

平台会重新编码音频，峰值别顶到 0，留 1dB 余量，否则转码会爆音。

07　音效：注意力的路标

音效不是装饰，是指路牌：一声关门，观众看向门口；一声轻响，他知道要转场。

用法只有一个字：少。全片起作用的点睛音效不超过三到四个，加多了就变成「音效秀」，注意力被拽来拽去。

最划算的三个：转场 whoosh、文字轻点击、动作重音。自己拿手机录一遍最合适，频率和空间都对得上。

08　静默：最高级，最少人用

听觉有「暗适应」，安静之后耳朵会异常敏感。静默不是「没有声音」，是抽走了刚才还在的声音。

推论很重要：静默前面必须先「满」。一上来就安静，观众只会以为设备坏了。先把声音堆到最密，再一刀全撤，留 0.5 到 1 秒纯空。

这一秒会非常响，因为它响的不是声音，是观众心里那句「啊」。

09　两个不花钱的高级感

J-cut：下一场的声音提前进入上一场的画面。先听见、后看见，观众带着「这是什么」的疑问看过去，注意力自己就过去了。
L-cut：画面已切走，上一场的声音还留着。人在收拾碗筷，画面是窗外的雨，声音里还是碗筷，那顿饭还没结束。

它们的作用不是「流畅」，是让画面有画外——画框之外，还有世界在继续。短视频最容易犯的错，是把每段拍成封闭的盒子。

10　一套照做的流程

01 先保人声，说过的话补不了　02 录 30 秒环境声　03 粗剪定节奏　04 修人声：降噪、切 60Hz、压缩　05 垫音乐，查 1k–4kHz 抢频　06 加三四个音效　07 留一处静默　08 手机外放听一遍

最后一步最容易被跳过，却最接近观众的真实环境：多数人外放，而手机扬声器发不出 200Hz 以下的低频，你在耳机里堆的低音等于不存在。为外放混音，就是把中频做厚，把低频当氛围。

发布前，六个问题过一遍
□　闭眼听，能听出这是哪里、什么关系？
□　空调声、电流声清干净了吗？
□　人声一直压得住音乐吗？
□　有没有一处是故意留白的？
□　手机外放，每个字还清楚吗？
□　峰值留余量了吗（-1dBTP）？

声音做得好，观众说不出哪里好。他们只会觉得：这个人的视频，看着舒服。