Частота дискретизации определяет, сколько измерений звукового сигнала выполняется за одну секунду при оцифровке. В свойствах аудиофайла, настройках звуковой карты и параметрах проекта встречаются значения 44 100, 48 000, 96 000 и 192 000 Гц. Чем больше число, тем чаще система фиксирует состояние звуковой волны. Однако максимальное значение не становится автоматически лучшим.

Для прослушивания музыки, хранения готовых треков и большинства музыкальных релизов достаточно 44,1 кГц. Для видео, озвучки роликов, стримов и мультимедийных проектов удобнее использовать 48 кГц. При записи вокала, акустических инструментов и сложной студийной обработке оправдан переход на 96 кГц. Значение 192 кГц относится к специализированным сценариям: архивированию, отдельным видам саунд-дизайна, измерениям и производственным цепочкам, которые изначально построены вокруг высокочастотного материала.

Вокодер превращает обычную речь или вокальную партию в выразительный синтетический тембр. С его помощью получают узнаваемый голос робота, «говорящие» аккорды, плотные электронные бэк-вокалы, ритмичные пэды и необычные текстуры для саунд-дизайна. При этом вокодер не просто искажает запись и не накладывает готовый фильтр. Он анализирует характер произношения и переносит его на другой звук.

Правильное написание термина — вокодер. Вариант вакодер встречается в разговорной речи, но не соответствует названию технологии. Слово образовано от английского voice encoder, то есть кодировщик голоса.

MIDI встречается почти в каждой современной музыкальной студии. Через него клавиатуры управляют виртуальными синтезаторами, электронные барабаны передают динамику ударов в музыкальный редактор, секвенсор синхронизирует драм-машину с компьютером, а компактный контроллер переключает эффекты во время выступления. При этом MIDI не записывает звук и не заменяет аудиофайл. Он передаёт команды, которые описывают музыкальное исполнение и действия пользователя.

Именно эта особенность делает технологию универсальной. MIDI-партию можно сыграть один раз, а затем исправить отдельные ноты, изменить темп, заменить фортепиано синтезатором, перенести мелодию в другую тональность и отрегулировать силу каждого нажатия. Для работы с аудиозаписью такие изменения требуют сложного монтажа, а при редактировании MIDI выполняются за несколько минут.

Домашняя студия звукозаписи не начинается с покупки самого дорогого микрофона. Качественный результат появляется после последовательной сборки всей системы: тихое помещение, понятный тракт записи, подходящий аудиоинтерфейс, удобный мониторинг, стабильный компьютер, программа для работы со звуком, правильная коммутация и аккуратно организованное рабочее место.

Новичок часто концентрируется на одном устройстве. Кажется, что достаточно приобрести микрофон с подробным звучанием, подключить его к компьютеру и нажать кнопку записи. На практике чувствительный микрофон фиксирует не только голос или инструмент, но и гул системного блока, шум улицы, отражения от стен, дребезг стола, щелчки клавиатуры, работу вентиляции и эхо пустой комнаты. Поэтому оборудование для домашней студии следует рассматривать как единый комплекс.

Слово фонограмма часто связывают только с концертами, на которых артист не исполняет вокальную партию вживую. Такое толкование слишком узкое. Фонограммой называют зафиксированную звуковую запись: песню, инструментальный трек, дикторский голос, шум дождя, запись репетиции, концертный playback, звуковой архив, аудиоспектакль или подготовленную для вокалиста минусовку.

В музыкальной среде термин приобретает дополнительные значения. Исполнители обсуждают плюсовки и минусовки, звукорежиссёры работают со стереомиксами и многоканальными сессиями, продюсеры хранят мастер-файлы и stems, а организаторы концертов запрашивают заранее подготовленные версии композиций. Из-за этого одно слово используют для разных объектов: готовой песни, рабочего файла, музыкального сопровождения и даже способа выступления.

Синтез речи давно перестал быть экспериментом из лаборатории. Он работает в навигаторах, электронных книгах, голосовых помощниках, экранных дикторах, сервисах доставки, банковских автоинформаторах, образовательных курсах и видеороликах. Когда приложение читает статью вслух, сообщает время прибытия такси или формирует закадровую дорожку по сценарию, оно использует один и тот же базовый принцип: получает текст, анализирует его и создаёт звуковую волну с человеческой речью.

Современная технология TTS умеет работать не только с отдельными словами. Она распознаёт границы предложений, учитывает знаки препинания, преобразует числа в словесную форму, выбирает произношение сокращений, расставляет паузы и строит интонацию. Нейросетевые модели делают голос заметно естественнее прежних роботизированных дикторов. При этом итоговое качество зависит не только от выбранного сервиса. Большую роль играет подготовка сценария: длина фраз, расстановка пауз, проверка ударений и корректная запись имён, дат и обозначений.

Посторонний гул, комнатное эхо, шипение микрофона, резкие перепады громкости и неразборчивая речь встречаются даже в записях, сделанных на современный смартфон. Отдельную проблему создают ролики, снятые на улице, дистанционные интервью, лекции из большой аудитории и старые аудиофайлы с заметными дефектами. Ручная обработка каждого фрагмента занимает много времени, а неправильные настройки шумоподавления делают голос металлическим и неестественным.

Нейросеть для улучшения звука решает большую часть типовых задач автоматически. Одни инструменты отделяют речь от окружающего шума, другие уменьшают реверберацию, третьи выравнивают громкость и исправляют частотный баланс. Для видеороликов подходят редакторы со встроенной очисткой голосовой дорожки. Для звонков и трансляций нужны программы, которые работают в реальном времени. Для музыки применяются отдельные мастеринг-системы: они не удаляют шум микрофона, а подготавливают сведённый трек к публикации.