声音如何制成

2hives的每一节都由多层构成：噪声底、在噪声底上缓慢移动的滤波器、成对的音调，以及人声。本页展示每一层的制作方式。图表和数字均来自我们对其中一节的渲染测量，你可以逐层单独收听。

测量对象：“Lucid Dreaming”，30分钟，由2hives引擎渲染，以FLAC和256 kbit/s的AAC交付。设计本身是通过测量一套包含36条音轨的参考课程确定的。这里的每张图表和每段音频都来自我们自己的渲染，而非那些录音。方法与参考测量：研究笔记。

26.8 dB人声高于背景，中位数

9.9 s移动滤波器扫过一次

21 / 21成品文件中找到的音调对

−31.6 LUFS成品文件的综合响度

信号链

噪声、梳状滤波和音调均逐个采样合成。人声为合成语音，置于中央。只有人声会单独处理；底层音生成后不再经过任何滤波。最后用一次增益设定整个混音的响度。

从模板和脚本到文件的七个步骤。第1至3步生成底层音轨；第4步是人声；混音和母带增益只在最后应用一次。

噪声底层

铺底声是低频能量多于高频的噪声。每倍频程下降3 dB的噪声称为粉红噪声，每倍频程下降6 dB的称为棕色噪声。在100 Hz到3 kHz之间，我们的默认铺底声为每倍频程−6.4 dB，偏向棕色噪声；将色彩设置调到“更亮”时为−4.9，另有一款课程铺底声采用特别整形的频谱，为−9.7。

悬停或点按图表即可查看电平。

三种噪声底的频谱，以相对于1 kHz的分贝表示，并对照每倍频程3 dB和6 dB的参考线。基于60秒渲染音频测得，左右耳取平均。

数据摘要

频率（Hz）	默认铺底音量，dB	更明亮（dB）	课程铺底音量，dB
64	23.1	16.9	31.6
127	18.1	13.6	28.8
254	12.3	9.3	23.0
508	6.2	4.7	10.2
1016	−0.2	−0.1	0.0
2032	−7.3	−5.8	−8.9
4064	−16.2	−13.1	−14.6
8128	−27.2	−22.7	−31.6
16255	−41.2	−35.2	−34.0

在带移动滤波器的阶段，每只耳朵都有各自独立的噪声。我们测量了左右信号之间的相干性，范围从0（无关）到1（完全相同）：在100 Hz至10 kHz范围内为0.002。在开头阶段，两耳共享大部分噪声，同样的测量结果为0.81。

悬停或点按图表即可查看相干性。

噪声按频率划分的左右相干性：带移动滤波器的阶段接近零，开场阶段约为0.81。

数据摘要

频段	活动阶段	开场阶段
100 Hz – 1 kHz	0.002	0.81
1 – 4 kHz	0.002	0.81
4 – 10 kHz	0.002	0.81

“海洋”律动

把噪声复制一份，延迟几分之一毫秒后叠加，就得到梳状滤波器：频谱上出现一排陷波。改变延迟，陷波随之滑动。我们让延迟平滑扫动，两耳的扫动节奏略有错开，让背景音带有流动感。

在我们的渲染成品上实测：第一个陷波每9.9秒在约1.97至3.53 kHz之间移动一次，右耳的扫频比左耳超前102度，陷波比周围电平低16.6 dB（中间80%的帧：10.5至18.5 dB）。

这是频谱上的变化，不是音量的起伏。在2至4kHz频段，加梳状滤波时，每只耳朵的电平在一个周期内变化 ±2.1 dB（不加时为 ±0.0 dB），左右差值变化 ±3.2 dB。

悬停或点按图表即可查看陷波频率。

一次渲染中50秒内，每只耳朵梳状滤波的第一个陷波点。双耳在相同范围内以相同的9.9秒周期扫频；右耳超前102度。

数据摘要

测量	值
周期时长	9.89 s
第一个陷波，最低与最高（跟踪）	1.97 – 3.62 kHz
第一个陷波，最低与最高（拟合正弦）	1.97 – 3.53 kHz
右耳比左耳提前	102°
陷波深度，中位数	16.6 dB

周期中的位置

扫频过程中，滤波器在每只耳朵中的响应。这是根据上方实测的陷波范围、周期、深度和超前量绘制的示意图。它仅在显示于屏幕时才会移动；如果你的系统要求减少动态效果，则完全不动；可用滑块手动逐步查看整个周期。

音调对

双耳节拍对是两个正弦音，每只耳朵一个，相差几赫兹。立体声耳机分别传送每只耳朵的声道，所以每只耳朵只听到自己的音；两个频率之差就是节拍。慢节拍对应低载波，较快的节拍对应较高的载波。

一节最多同时叠加6组音对。每个阶段有各自的叠加组合，阶段之间在一两分钟内交叉淡入淡出，因此没有哪组音对会突然开始或停止。图表显示的是「Lucid Dreaming」模板：每组音对一行，载波精确到最近的10 Hz，拍频精确到最近的0.5 Hz，并按拍频所在的频段着色。

悬停、点按或用Tab键移到某一行即可查看。

30分钟清醒梦模板的时间线：每一行为一组音调对，斜线处为淡入和淡出。

数据摘要

载波，Hz	拍频，Hz	频段	吸气，分钟	淡出（分钟）	淡入/淡出（秒）
≈50	≈1	delta	7.9	30	≈60 / ≈10
≈100	≈4	theta	2.7	22.5	≈60 / ≈60
≈150	≈1.5	delta	7.9	30	≈60 / ≈10
≈160	≈10	alpha	0	3.4	≈10 / ≈45
≈200	≈1	delta	20.9	28.6	≈120 / ≈150
≈250	≈8	alpha	0	3.4	≈10 / ≈45
≈300	≈4	theta	2.6	16.9	≈45 / ≈45
≈400	≈4	theta	2.6	8.9	≈45 / ≈60
≈400	≈4	theta	16.1	22.9	≈45 / ≈120
≈510	≈10	alpha	16.1	22.9	≈45 / ≈120
≈600	≈7.5	theta	7.9	22.9	≈60 / ≈120

阶段	频段	起始（分钟）	至（分钟）	已找到的配对 / 发声中
Arrive	alpha	0	3	2 / 2
Loosen	theta	3	8.4	3 / 3
Lantern	theta	8.4	16.5	5 / 5
Intention	theta	16.5	21.9	6 / 6
Drift	delta	21.9	27.3	3 / 3
Hush	delta	27.3	30	2 / 2

随后，我们像查看规格表一样分析了成品文件。在6个阶段中，我们在每个阶段的中段查找音调对，并与引擎被要求播放的内容比对：应有21对，找到21对，最大频率误差为0.003 Hz。

人声与响度

人声是合成语音，置于正中：双耳播放相同的采样，因此在音调拍动时它保持不动。它是唯一单独处理的一层：用高通滤波器去除低频隆隆声，用轻柔的去齿音处理，为这一节的每个段落设定电平，并设置峰值上限，使任何一句都不会超过上限。

这一节共有17句引导语，在300 Hz至3.4 kHz的语音频段内，人声比背景音高26.8 dB（范围23.9至31.4 dB）。按整个频谱计算，差值为15.2 dB，因为背景音的大部分能量在300 Hz以下。峰值保持在−3.0 dBFS。两句之间的间隔中位数为49秒，语音占这一节时长的3.9%，所以大部分时间你听到的只有声音本身。

悬停或点按一条线即可查看。

每根竖线代表一句口述台词，按起始时间排列；高度表示人声在语音频段中高出底层的程度。

数据摘要

开始（分钟）	时长（秒）	高于背景音，dB	阶段
0.1	4.4	30.2	arrive
0.4	4.5	23.9	arrive
0.5	4.9	27.1	arrive
0.6	1.2	27.4	arrive
0.7	4.3	27.5	arrive
7.1	3.8	24.1	loosen
8.6	1.6	27.4	lantern
8.7	4.3	27.2	lantern
10.1	5.0	26.1	lantern
10.3	5.1	26.8	lantern
16.7	4.5	26.3	intention
17.0	5.8	25.5	intention
18.1	1.9	25.3	intention
18.8	6.1	25.0	intention
20.1	3.5	26.5	intention
22.2	5.8	29.9	drift
23.3	4.2	31.4	drift

悬停或点按图表即可查看电平。

语音与背景音在三分之一倍频程频带中的电平。在语音传达意义的频段内，语音明显高于背景音。

数据摘要

频段中心，Hz	人声，dBFS	背景，dBFS
100	−57.8	−43.5
126	−53.0	−54.7
159	−37.4	−50.5
200	−27.4	−56.5
252	−30.4	−57.5
317	−38.0	−51.1
400	−31.4	−59.8
504	−34.2	−61.1
635	−33.9	−59.3
800	−34.0	−64.1
1008	−34.3	−66.2
1270	−37.7	−68.9
1600	−39.2	−72.5
2016	−40.1	−77.4
2540	−41.5	−80.6
3200	−44.4	−79.0
4032	−45.7	−78.5
5080	−46.3	−80.5

成品文件实测整体响度为−31.6 LUFS，响度范围为16.2 LU，真峰值为−2.0 dBTP。母带处理只应用一次固定增益，目标为−28 LUFS，但真峰值不会超过−2 dBTP。这一节需要4.6 dB才能达到目标；峰值上限只允许1.0 dB，因此最终结果由上限决定。

悬停或点按图表即可查看响度。

交付的FLAC文件在整节中的短期响度（3秒窗口），并标出综合响度。

压缩后还能保留吗？

下载提供无损FLAC和256 kbit/s的AAC两种格式，本节的AAC比FLAC小4.6倍（265 MB对57 MB）。我们截取了32秒的片段，分别用两种格式编码，再对解码后的文件做同样的分析。

两个文件中都找到了全部5组双音。最大频率误差在FLAC后为0.003 Hz，在AAC后为0.003 Hz；我们的研究笔记将不超过0.02 Hz视为节拍已还原。梳状结构同样保留：陷波深度中位数在FLAC中为16.6 dB，在AAC中为16.3 dB（变化−0.3 dB），陷波轨迹相差的中位数为0.0 Hz，右耳的领先量分别为102度和102度。

悬停或点按一组音对即可查看其误差。

每个检测到的音对经FLAC和AAC 256 kbit/s编码后的频率误差，对照0.02 Hz线，即我们的研究笔记判定拍频已还原所用的上限。

数据摘要

载波，Hz	拍频，Hz	FLAC error, Hz	AAC误差，Hz
≈300	≈4	0.000	0.000
≈150	≈1.5	0.000	0.000
≈50	≈1	0.000	0.000
≈600	≈7.5	0.000	0.000
≈100	≈4	0.003	0.003

悬停或点按图表即可查看陷波频率。

左耳梳状滤波的第一个陷波点，分别经FLAC和AAC 256 kbit/s处理后：两条曲线完全重合。

逐层收听

四段15秒的片段，使用同一随机种子，取自这一节的同一时刻（约第10分钟）。每段都在前一段基础上增加一层。采用256 kbit/s的AAC编码，与下载文件一致。

先把音量调低。前三层声音较轻，与实际文件一致，人声层约响12 dB。

1 / 4 · 仅噪声 · 445 KB

2 / 4 · 噪声 + 扫频梳状 · 446 KB

3 / 4 · 噪声 + 梳状 + 音对 · 447 KB

4 / 4 · 噪声 + 梳状 + 音对 + 人声 · 474 KB

纯音频元素：页面不做任何处理，按下播放前不会播放，开始一段音频会停止其他音频。切换声层时保留当前播放位置。

已测量的内容与未知的部分

在我们的渲染成品上实测

噪声底的频谱、相干性与律动，音调对的频率与淡入淡出，人声相对噪声底的电平，成品文件的响度与峰值，以及这些在FLAC和AAC中的表现。
一个模板（清醒梦，30分钟），一种人声和一个种子。其他模板的叠层和阶段各不相同。

未测量，也未知

我们没有测量过对听众的任何影响。这里没有任何内容能说明一节音频会对你产生什么作用。
双耳节拍是真实存在的：两耳各听到一个略有差异的音调，在脑干中形成可感知的节拍（Oster, 1973）。它们是否能使脑波“同步”尚不明确：2023年的一项系统综述发现，14项脑电图研究中，5项与脑波同步一致，8项与之相矛盾，1项结果不一（Ingendoh et al., 2023）。
有些研究报告称对认知指标有轻微影响，也有研究没有发现影响。情境同样重要：引导和预期都会影响体验。证据并不一致，我们会如实公布两方面的结果。
我们不知道移动滤波除了改变铺底音的听感外是否还有其他作用，也不知道其他人声、扬声器或播放链路与这些测量结果相比如何。

在我们的研究页面中阅读完整的证据摘要和相关论文，包括2023年系统综述（PDF）。 2hives的各节内容用于放松、冥想和自我探索，不能替代专业护理。请参阅免责声明。

规格表

每个课程都有一份规格表，列出其音频内容：各阶段、载波、拍频和噪声，并已对照文件本身核对。每次渲染都附带自己的副本。

最近测量日期：2026-10-12。页面、图表和音频片段由脚本根据引擎自身的渲染结果重新生成，因此文中的数字始终与图表一致。