音高移位技术最根本的矛盾，藏在一个不起眼的地方：物理声学里，频率和时间是一体两面。把一段录音升高八度，直觉上只是让所有频率翻倍，但声音的时长也会跟着缩短一半——就像磁带快放。想让音高变了，时长不变，就必须在信号内部“拆东墙补西墙”，凭空制造或抹除周期，这正是所有实时音高移位算法的修罗场。Auburn Sounds 的 Inner Pitch 宣称要忠实于源素材，其实这种“忠实”背后，是一整套精密的波形手术。
粒状合成的双刃剑
目前绝大多数高质量音高移位器，底层逻辑都绕不开粒状合成。引擎先把音频切成无数个极短的“颗粒”，通常在几毫秒到几十毫秒之间，然后以不同的速率回放这些颗粒。要升高音高，就让颗粒播放得比原始采样更快，同时让相邻颗粒轻微重叠或拉长，去填补时间空档。
这种做法天然携带一个副产品：颗粒感。颗粒边界处的相位不连续会引入微弱的梳状滤波效应，严重时产生金属质感的颤音。Inner Pitch 引入的“混沌”参数，本质上是故意打乱颗粒的重叠窗函数或颗粒持续时间，把这种本来属于瑕疵的东西，变成可控的谐波扰动——从接近人耳不可察觉的柔和合唱色彩，到撕裂般的数字失真，都能在这一层实现。
频域里的换头术：相位声码器
另一种流派不切时域波形，而是切频谱。相位声码器把信号转到频域，提取每一帧的幅度谱和相位谱，然后拉伸或压缩频率轴。想要升調半个音，就把所有频率分量乘以 2^(1/12)。这听起来干净利落，但问题出在相位：频率被硬生生搬移后，相邻帧的相位关系会混乱，直接导致声音发虚、声像模糊。
高级的实现会在相位展开阶段做补偿，计算出每个频点应有的瞬时频率偏移，然后据此修正相位。这项操作极耗算力，且对瞬态不友好——鼓声的打击感容易被抹平成一片嗡鸣。这也是为什么 Inner Pitch 完整版会提供多种质量选项，在 CPU 负载和瞬态保真度之间留出调节余地，让用户自己决定：是要干净的共鸣，还是保留那些带着毛刺的起音。
创造不可能的运动
技术原理一旦吃透，创意场景就敞开了。一个经典的把戏是让左声道做+6音分、右声道-6音分的微小移位，合并后产生类似加宽器但更自然的立体声扩展。比 Haas 效应更稳，因为两侧的频谱差异骗过了人耳的方向感，又不引入明显的相位抵消。
更极端的玩法是构建谢泼德音阶：将多个相差八度的正弦波以相同的速率向上移位，同时让最高频的谐波逐渐淡出、最低频的谐波逐渐淡入，产生一种永远在上升却从未离开原地点的错觉。不是魔术，是频域循环渐变而已。这类技巧早已不限于配乐，前卫电子乐里那个听起来像要失控却始终悬在半空的主奏音色，十有八九就是这个路数。
说到底，音高移位器早就不只是“变調工具”了。它是一件能在时间与频率的裂缝里反复拉扯的雕刻刀。
评论(5)
说是精密手术，其实不就是加了个随机抖动么，噱头。
Inner Pitch的混沌开到最大到底会糊成什么样？
时域PSOLA处理人声独唱还行，一到复杂素材就露馅，还是粒状合成普适性高些。
把相位声码器的弊端讲得挺透，确实是瞬态杀手。
看不懂，但是那个永远上升的音阶有点意思。