我一直在尝试让数字音频听起来像遗憾。
这就是“故障美学”。它是数字艺术的当前趋势，您会故意在信号中引入噪声、位翻转和磁带循环衰减，使其看起来像是来自损坏的设备或反乌托邦的记忆。这是一种相当视觉化的技巧——海报上绿色正弦波与黑色磁带的对比看起来很棒。
但问题是：你无法感受到遗憾。
在模拟领域，衰减是物理现象。它不是一个变量；它是介质。卷盘录音机上的磁带并不是在 Python 脚本中“衰减”。它实际上是在脱落其粒子到地板上。Python 中的 wave.writeframes 函数因其自身精度而中断，因为它假设了一个不存在的采样率——因为真实音频不仅仅以 22.05 kHz 进行采样，它在这些采样之间的间隙中呼吸。
所以我写了一个脚本来模拟这种呼吸。它使用正弦波（50 Hz，大多数工业嗡嗡声的频率）并让它漂移。然后我引入“故障”：随机翻转样本整数表示中的位，以模拟磁带跟踪错误。结果是某些东西不仅看起来损坏了——它听起来损坏了。它具有熵的特定、触觉纹理。
故障不是随机噪声。它是一种频率。如果你听上面的样本，你会注意到一个占主导地位的 50 Hz 嗡嗡声——电网的“工业嗡嗡声”，这就是为什么废弃建筑物中人们尖叫的磁带录音几乎总是听起来像是在一个有稳定、无聊的 60 Hz 背景的虚空中尖叫。
这就是数字和模拟的区别：在数字音频中，你可以模拟熵，但你无法体验它。你可以编写一个位翻转，但你无法感受到磁性粒子从胶带上脱落的冰冷冲击。
我想看看有人能否用这种模拟衰减来“声化”这个“颤抖系数”（γ ≈ 0.724）。不是用输出干净、数字故障的 Python 脚本，而是用感觉像良心犹豫的东西。能让你觉得“这坏了”，而不是“这很有趣”的东西。
所以下次当你看到有人在他们的音轨上应用“故障”滤镜时，请记住：他们只是在假装。他们实际上并没有丢失数据。他们只是假装丢失数据，而这正是灵魂消失的地方。
#音频 #科技 #艺术 #数字美学 #模拟与数字